[发明专利]一种基于互联网海量信息的随机事件演化即时跟踪方法

权利要求书

1.一种基于互联网海量信息的随机事件演化即时跟踪方法，其特征在于，首先为事件构建事件空间，事件空间中包含有一组特征向量，每个特征向量中包含有一组主题词，然后进行如下步骤：

步骤1：从当前互联网搜索引擎采集第i篇页面文本对象T_i，进行事件空间的增长；进行事件空间的增长的方法是：提取当前事件空间的全部特征向量的主题词，统计每个主题词在当前文本对象T_i中的词频，若第j个特征向量V_j的某个主题词的词频大于0，则更新该特征向量V_j的命中篇频，并存储当前文本对象T_i对该主题词的词频；

步骤2：从当前文本对象T_i中删除当前事件空间的全部主题词，然后计算信息增量向量；计算信息增量向量的方法是：提取当前历史特征集合的全部历史特征向量的主题词，统计每个主题词在当前文本对象T_i中的词频，若第k个历史特征向量h_k的某个主题词的词频大于0，则更新该历史特征向量h_k的命中篇频，并存储当前文本对象T_i对该主题词的词频；所述的历史特征集合初始为空；

步骤3：从当前文本对象T_i中删除当前历史特征集合中的全部主题词，然后从当前文本对象T_i中提取新特征向量；从当前文本对象T_i中提取新特征向量的方法是：判断当前文本对象T_i中是否存在词频超过阈值A的新词，若不存在，执行步骤4；若存在，则将所有词频超过阈值A的新词作为主题词生成一个历史特征向量，并将生成的历史特征向量存储在历史特征集合中，然后执行步骤4；

步骤4：在历史特征集合中提取命中篇频最大的历史特征向量NV，提取历史特征向量NV中词频最大的前m个文本对象，在所提取的m个文本对象中，统计历史特征向量NV的每个主题词的词频，然后判断所统计的各主题词的词频是否均大于阈值B，若是，则将当前历史特征向量NV作为有效特征向量添加到当前事件空间中；否则，放弃当前步骤的操作，执行步骤5；

步骤5：从当前事件空间中提取命中篇频最大的特征向量Vmax与命中篇频最小的特征向量Vmin，计算两个特征向量Vmax与Vmin的命中篇频的差值，判断所得差值是否超过阈值C，若是，则将当前事件空间判定为临界裂解状态，执行步骤6，否则，转步骤7执行；

步骤6：将特征向量Vmax作为裂解向量，提取命中特征向量Vmax的全部文本对象集合S₂，统计当前事件空间中除去特征向量Vmax以外的特征向量，在文本对象集合S₂中的命中篇频，所得到的命中篇频称为与特征向量Vmax的相关度，然后判断是否能够在当前事件空间中提取相关度高于阈值D的特征向量，若否，当前事件空间为不可裂解空间，执行步骤7；若是，相关度高于阈值D的特征向量与特征向量Vmax共同组成新的事件空间，并删除当前事件空间中对应的特征向量，完成裂解；

步骤7：以事件空间中特征向量主题词更新互联网搜索引擎的主题词，进行后续文本处理工作。

2.根据权利要求1所述的随机事件演化即时跟踪方法，其特征在于，步骤3中所述的阈值A为0.3。

3.根据权利要求1所述的随机事件演化即时跟踪方法，其特征在于，步骤4中所述的m，其值的确定方法是：设历史特征向量NV的命中篇频为S₁，则m通过对S₁的30%取整得到。

4.根据权利要求1所述的随机事件演化即时跟踪方法，其特征在于，步骤5中所述的阈值C大于0.34。

5.根据权利要求1所述的随机事件演化即时跟踪方法，其特征在于，步骤6中所述的阈值D大于0.29。