[发明专利]热点内容挖掘的方法、装置、计算机设备及存储介质

权利要求书

1.一种热点内容挖掘的方法，所述方法包括：

分别获取当前窗口期和相应的历史窗口期对应的文本，组成文本集合；

对所述文本集合中的文本进行切词处理，得到候选词集；

计算所述候选词集中的候选词在当前窗口期对应的第一词频和历史窗口期对应的第二词频；其中，词频是指候选词出现的次数与相应窗口的总的候选词数的比例；

根据候选词的第一词频和第二词频确定对应的词热度值，所述第一词频表示所述候选词在所述当前窗口期对应的词频，所述第二词频表示所述候选词在所述历史窗口期对应的词频，包括：获取与所述候选词对应的平滑系数；将所述第一词频与所述平滑系数进行平滑运算得到第一参数值，将所述第二词频与所述平滑系数进行平滑运算得到第二参数值；根据所述第一参数值与所述第二参数值的比值确定与所述候选词对应的词热度值；

从当前窗口期获取当前检测文本，获取当前检测文本对应的当前候选词；

根据所述当前候选词对应的词热度值计算当前检测文本对应的文本热度值；

根据当前窗口期中各个文本对应的文本热度值筛选热点文本。

2.根据权利要求1所述的方法，其特征在于，所述平滑系数是根据所述候选词在所述当前窗口期和所述历史窗口期出现的次数来确定的。

3.根据权利要求1所述的方法，其特征在于，所述候选词集包括一元候选词集和多元候选词集，所述方法还包括：

计算所述一元候选词集中的一元候选词在当前窗口期对应的一元第一词频和历史窗口期对应的一元第二词频；

计算所述多元候选词集中的多元候选词在当前窗口期对应的多元第一词频和历史窗口期对应的多元第二词频；

根据所述一元候选词的一元第一词频和一元第二词频确定对应的一元词热度值，根据所述多元候选词的多元第一词频和多元第二词频确定对应的多元词热度值；

从当前窗口期获取当前检测文本，获取当前检测文本对应的当前一元候选词和当前多元候选词；

根据当前一元候选词的一元词热度值和当前多元候选词的多元词热度值计算当前检测文本对应的文本热度值。

4.根据权利要求1所述的方法，其特征在于，在根据当前窗口期中各个文本对应的文本热度值筛选热点文本之后还包括：

获取所述热点文本中包含的一元候选词，计算各个一元候选词两两之间的距离；

根据当前一元候选词与热点文本中其它一元候选词之间的距离计算所述当前一元候选词对应的词密度；

根据各个一元候选词对应的词密度和各个一元候选词两两之间的距离将各个一元候选词进行聚类得到词簇，所述词簇用于确定相应的主题事件；

根据所述词簇对热点文本进行归类，确定所述热点文本所属的主题事件。

5.根据权利要求4所述的方法，其特征在于，在根据所述词簇对热点文本进行归类，确定所述热点文本所属的主题事件的步骤之后还包括：

根据主题事件对应的词簇中各个一元候选词对应的词密度获取所述主题事件的核心词；

根据所述主题事件的核心词的词密度将各个主题事件进行排序。

6.根据权利要求4所述的方法，其特征在于，在根据所述词簇对热点文本进行归类，确定所述热点文本所属的主题事件的步骤之前还包括：

根据各个热点文本之间的相似度进行初步聚类，得到热点文本簇；

所述根据所述词簇对热点文本进行归类，确定所述热点文本所属的主题事件的步骤包括：

根据交互响应数据获取热点文本簇中的主热点文本，根据所述主热点文本对应的一元候选词将所述主热点文本所属的热点文本簇归类到对应的词簇。