[发明专利]一种基于用户查询日志实时发现热点视频的方法和装置

权利要求书

1.一种基于用户查询日志实时发现热点视频的方法，其特征在于包括如下步骤：

S1、将一段时间内的用户视频查询日志输入到切词程序，完成每一条用户视频查询日志的切词，得到每条用户查询的切词结果，并将组成所述切词结果的不同词语作为原子词；

S2、统计所述原子词的每一个在所述一段时间内的用户视频查询日志中出现的次数；

S3、根据步骤S1得到的切词结果统计任意两个原子词同时出现在同一条用户查询中的次数；

S4、根据步骤S2和S3得到的次数值采用逐点互信息的方法计算用户视频查询日志中任意两个原子词之间的关联度；

S5、将步骤S4中所计算的关联度超过一定阈值的任意两个原子词合并为一复合词放入复合词词表中；

S6、在复合词表中按照构成复合词的原子词在所述一段时间内的用户视频查询日志中出现的次数对复合词进行降序排序，最终按一定比例将排在前面的复合词作为实时发现热点视频的关键词返回。

2.根据权利要求1所述的基于用户查询日志实时发现热点视频的方法，其特征在于所述步骤S4中所述逐点互信息的方法的具体计算方法如下：

任给两个原子词A、B，它们的关联度表示为

$PMI(A,B)={\log }_2\frac{P(A,B)}{P\left(A\right)P\left(B\right)}---\left(1\right)$

其中，P(A,B)表示A,B出现在同一条用户视频查询日志中次数，P(A)、P(B)分别表示A、B在所述一段时间内的用户视频查询日志中出现的次数。

3.根据权利要求2所述的基于用户查询日志实时发现热点视频的方法，其特征在于采用最大似然估计来计算次数。

4.一种基于用户查询日志实时发现热点视频的装置，其特征在于包括如下模块：

切词模块，用于将一段时间内的用户视频查询日志输入到切词程序，完成每一条用户视频查询日志的切词，得到每条用户查询的切词结果，并将组成所述切词结果的不同词语作为原子词；

原子词出现次数统计模块，用于统计所述原子词的每一个在所述一段时间内的用户视频查询日志中出现的次数；

原子词共现次数统计模块，用于根据所述原子词出现次数统计模块得到的切词结果统计任意两个原子词同时出现在同一条用户查询中的次数；

关联度计算模块，用于根据所述原子词出现次数统计模块和所述原子词共现次数统计模块得到的次数值采用逐点互信息的方法计算用户视频查询日志中任意两个原子词之间的关联度；

复合词生成模块，用于将所述关联度计算模块所计算的关联度超过一定阈值的任意两个原子词合并为一复合词放入复合词词表中；

热点关键词确定模块，用于在复合词表中按照构成复合词的原子词在所述一段时间内的用户视频查询日志中出现的次数对复合词进行降序排序，最终按一定比例将排在前面的复合词作为实时发现热点视频的关键词返回。