[发明专利]一种股市题材舆情热度计算方法及系统装置

说明书

本发明公开了一种股市题材舆情热度计算方法及系统装置，其特征在于，所述方法包括：检索模块获取主题词，检索出包含主题词的所有文档；分解模块对所述所有文档进行词句分解，创建主题集合；计算模块根据所述主题集合计算主题集合中各主题句中心值。本发明从句子的层面来统计题材舆情热度，并非简单地统计题材主题句子的数量来计算题材热度，而是首先将题材的所有主题句子组成一个集合，再以句子与该集合的整体相似度来计算句子的中心值，中心值大的句子为题材贡献更多的热度，这样计算的热度值更加平滑稳定，抗噪声能力更强。

技术领域

本发明涉及舆情热度的计算方法，尤其涉及一种基于文档进行的关键句热度值计算方法及系统装置。

背景技术

传统的题材热度计算方法通常将每篇文档分类到一个题材下，就股票市场而言，题材如“军工”、“雄安”、“高送转”等。分类完成后，需要统计单个题材下所属的文档的数量，通过文档的数量进行计算，获取单个题材的热度值，最终根据所述热度值的高低向用户提供高热度值的题材资讯。这种做法的缺陷是，一篇文档可能包含多个题材的内容，而且各题材内容在该文档中所占比重又有不同，仅仅依据文档的数量来获取热度值并不客观真实。因此，不论如何从文档的层面统计热度，总会有无法协调的矛盾。这是因为本质上文档这一单位不是基本的舆情单位所造成的。

发明内容

为解决上述背景技术中存在的技术问题，本发明提供了一种基于文档内语句的中心值计算方法，从而精准获取题材舆情热度值。具体技术方案如下：

第一方面：一种股市题材舆情热度计算方法，所述方法包括：

检索模块获取主题词，检索出包含主题词的所有文档；

分解模块对所述所有文档进行词句分解，创建主题集合

计算模块根据所述主题集合计算主题集合中各主题句中心值。

结合第一方面，在第一方面可能的实现方式中的第一种情况为，所述方法还包括计算模块根据所述所述主题句中心值计算热度值。

结合第一方面及第一方面的第一种情况，在第一方面可能的实现方式中的第二种情况为，用主题句与主题句集合的整体相似度计算出主题句中心值。

结合第一方面的第二种情况，在第一方面可能的实现方式中的第三种情况为，所述创建主题集合包括：主题词集合T、文档集合D、文档所有词集合W；所述主题词为与主题相关的词，所述文档为包含主题词的文档，所述文档所有词为文档内所有的词语，所述文档所有词包含所述主题词。

结合第一方面的第三种情况，在第一方面可能的实现方式中的第四种情况为，所述用主题句与主题句集合的整体相似度的计算方法为：

将所述文档集合D中所有文档分割成语句，得到语句集合S；

S_w表示所有包含词w的语句的集合，所述w∈W；

计算语句中每个词的词频率-逆文档频率值tf_idf，语句s中的词w的tf_idf值为

其中f_s，w表示词w在语句s中出现的次数，len〔s〕表示语句s中包含的词的数量，len〔S〕表示语句集合S的数量，len〔S_w〕表示包含词w的语句数量；

S_t表示所有包含主题词t的主题句集合，所述t∈T，计算其中所有主题句两两之间的相似度，获得一个len〔S_t〕×len〔S_t〕的相似矩阵SIM

其中表示S_t中的第i个主题句S_t，j和第j个主题句S_t，j的相似度