[发明专利]一种微博网络地域突发事件的检测方法

权利要求书

1.一种微博网络地域突发事件的检测方法，其特征在于，其具体步骤如下：

A、从微博网络中采集地域微博，得到微博集合PLMB，对微博预处理后得到微博集合LMB；

B、从微博集合LMB中提取突发词，得到突发词集合EW；

C、对EW中的突发词进行聚类，假设有q个词簇，得到突发事件词簇EWC＝{ewc₁,ewc₂,…,ewc_q}；

所述步骤B的具体步骤如下：

B1、对LMB中的每条微博lmb_i(1≤i≤n)进行分词，n代表微博的条数,去除停用词，保留名词、动词、地名、人名、专有名词，得到最终的词集合为LMBW＝{w₁，w₂，…，w_r}，假设有r个词；

B2、计算词w_i(1≤i≤r)的频率突发性，假设当前突发事件检测的时间点为k，选取之前的p个时刻的历史数据为参考，词w_i在k时间点的频率突发性定义为：其中，分子为词w_i在k时间点出现的频率，分母中的

B3、计算词w_i(1≤i≤r)的关联用户突发性，假设当前突发事件检测的时间点为k，选取之前的p个时刻的历史数据为参考，词w_i在k时间点的关联用户突发性定义为：其中，分子为k时间点，提及到词w_i的不同用户数量，分母中的

B4、计算词w_i(1≤i≤r)的地域突发性，词w_i在k时间点的分布地域突发性定义为：其中，分子为k时间点，提及到词w_i的不同地理标签的数量，分母中的

B5、计算词w_i(1≤i≤r)的社交行为突发性，词w_i在k时间点的社交行为突发性定义为：其中，分子为k时间点，提及到词w_i的微博的转发数、评论数和阅读数之和，分母中的

B6、综合步骤B2、B3、B4、B5的四个突发性，最终得到一个词w_i在k时间点的突发值为：BurstyScore(w_i)＝α*F(w_i)+β*U(u|w_i)+χ*GT(gt|w_i)+δ*SB(sb|w_i)，其中，α、β、χ、δ为调节系数，用于调节四类指标的权重，α+β+χ+δ＝1，α≥0，β≥0，χ≥0，δ≥0；

B7、在计算出每个词的突发值后，使用四分差选出n个突发词，构成突发词集合EW；四分差的距离计算方法为：IQS(EW)＝Q₃(EW)-Q₁(EW)；当一个词的突发值大于一定的阈值，则作为突发词，阈值的计算方法为：maxima(EW)＝Q₃(EW)+1.5×IQS(EW)。

2.根据权利要求1所述的一种微博网络地域突发事件的检测方法，其特征在于：上述步骤A的具体步骤如下：

A1、使用采集工具获取地域Localized的微博信息集合PLMB＝{plmb₁，plmb₂，…，plmb_m}其中plmb_i(1≤i≤m)为每一条地域微博；m代表地域微博的条数；

A2、对微博集合PLMB进行预处理，去除微博中链接网址、表情符号信息，去除长度小于5个字的微博，得到预处理后的微博集合LMB，LMB＝{lmb₁，lmb₂，…，lmb_n}其中lmb_i(1≤i≤n)为每一条地域微博。

3.根据权利要求1所述的一种微博网络地域突发事件的检测方法，其特征在于，所述步骤C的具体步骤如下：

C1、基于步骤B获取的突发特征集EW，构建突发词关联网络EWN＝(V,E)，V是突发词集合EW，E表示突发词之间的关联强度；突发词ew_i、ew_j关联强度是统计两个词在同一篇微博博文中共现的次数；

C2、突发词关联网络EWN构建完成后，使用开源的CLUTO工具包对EWN进行聚类，获取突发事件词簇EWC＝{ewc₁,ewc₂,…,ewc_q}，假设有q个词簇。