[发明专利]一种自动发现互联网热点新闻主题的方法及系统

权利要求书

1.一种自动发现互联网热点新闻主题的方法及系统，其特征在于：

1)从互联网获取新闻、博客、微博等网页，提取出其中的正文和标题；

2)根据所提取的正文和标题计算TFIDF值，获得词频向量和词频矩阵；

3)对词频矩阵进行聚类分析；

4)对聚类分析所获得每个类别计算其中心文章获得中心文章的标题，提取每个类别的关键词，作为该类别的解释；

5)人工的对自动产生的类别解释进行调整。

2.如权利1所述的自动发现互联网热点新闻主题的方法及系统，其特征在于：

数据的来源来自互联网。

3.如权利2所述的自动发现互联网热点新闻主题的方法及系统，其特征在于：

使用TFIDF值来表示每个词在文章的权重，从而把文章量化成为一个向量，把一组文章表示成一个矩阵。

4.如权利3所述的自动发现互联网热点新闻主题的方法及系统，其特征在于：

我们用聚类算法对文章进行自动的分类。

5.如权利4所述的自动发现互联网热点新闻主题的方法及系统，其特征在于：

我们自动的对每个类别做解释，自动的提取每个类别的中心文章的标题和类别关键词。

6.如权利5所述的自动发现互联网热点新闻主题的方法及系统，其特征在于：

虽然系统产生的类别已经很精确，但是我们还是可以通过人工的方式对系统产生的类别和自动解释做调整。