[发明专利]用于挖掘微博热点话题的装置及方法

说明书

技术领域

本发明涉及互联网通信领域，特别是涉及一种用于挖掘微博热点话题的装置及方法。

背景技术

在现有技术中，随着互联网的发展，微博成为人们获取信息、交流信息的重要渠道，大量网民在微博中发表自己的意见和爆料各类新闻，每天有成千上万的话题从微博上产生，如何更快速的从微博海量信息中获取网民热点将对了解社会发展形势、掌握舆论动态起到指导性作用。

目前普遍采用的微博热点挖掘方法是通过对特定时间段内微博话题下的微博数量进行对比，通过数量排序得到最热微博话题，微博数量越多说明话题越活跃。但是，上述技术方案存在以下问题：由于上述技术方案仅对单一话题的微博数量进行统计，因此容易对水军暴力发布的话题误判为热点话题；并且，上述技术方案没有考虑为微博转发数和微博评论数对微博话题的因素，导致有些评论热烈的微博话题被忽略，此外，上述技术方案也没有考虑微博认证用户（即，加V用户）的因素，认证用户参与越多的事件越是热门话题，综上，现有技术中的上述技术方案并不能够全面准确的挖掘出微博热点话题。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于挖掘微博热点话题的装置及方法。

本发明提供一种用于挖掘微博热点话题的装置，包括：采集模块，适于通过开放接口采集微博信息，其中，微博信息包括：微博内容、以及微博参数；抽取模块，适于对采集的微博内容进行分词，并抽取出热门关键词组；计算模块，适于对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；排序模块，适于对热门关键词组的热度值进行排序，获取微博热点话题排行；获取模块，适于获取微博热点话题排行中每个微博热点话题所涉及的微博内容；显示模块，适于根据用户请求或者主动向用户显示相应微博热点话题所涉及的微博内容。

可选地，采集模块进一步适于：通过一门户微博指定的开放接口采集该门户微博的微博信息。

可选地，上述装置还包括：分类模块，适于根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。

可选地，上述抽取模块进一步适于：对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组。

可选地，上述抽取模块进一步适于：从采集的各微博类别下的微博内容中提取一个或多个中心词；对从同一微博内容中提取的中心词进行排序，并将排序后的中心词进行组合，获取中心词组；统计各微博类别下每个中心词组所涉及的微博数量，并根据微博数量从中心词组中抽取出各微博类别下的热门关键词组。

可选地，上述抽取模块进一步包括：过滤子模块，适于根据垃圾词组数据库从中心词组中过滤垃圾词组。

可选地，上述计算模块进一步适于：对同一微博类别下涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取各微博类别下热门关键词组的热度值。

可选地，上述微博参数进一步包括以下一种或几种组合：微博总转发数、微博总评论数、微博认证用户转发数、以及微博认证用户评论数。

可选地，上述计算模块进一步适于：根据以下公式分别获取各微博类别下热门关键词组的热度值：热门关键词组的热度值=涉及热门关键词组的微博数量*微博数量权重系数+微博总转发数*总转发数权重系数+微博总评论数*总评论数权重系数+微博认证用户转发数*认证用户转发数权重系数+微博认证用户评论数*认证用户评论数权重系数。

可选地，上述排序模块进一步适于：对各微博类别下热门关键词组的热度值进行降序排序，分别获取各微博类别下的微博热点话题排行、以及总的微博热点话题排行。

本发明还提供了一种用于挖掘微博热点话题的方法，包括：通过开放接口采集微博信息，其中，微博信息包括：微博内容、以及微博参数；对采集的微博内容进行分词，并抽取出热门关键词组；对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；对热门关键词组的热度值进行排序，获取微博热点话题排行；获取微博热点话题排行之后，上述方法还包括：获取微博热点话题排行中每个微博热点话题所涉及的微博内容；根据用户请求或者主动向用户显示相应微博热点话题所涉及的微博内容。

可选地，上述采集微博信息进一步包括：通过一门户微博指定的开放接口采集该门户微博的微博信息。

可选地，采集微博信息之后，上述方法还包括：根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。