[发明专利]一种行业热度获取方法

权利要求书

1.一种行业热度获取方法，其特征在于，包括：

获取数据集合，所述数据集合包括一类数据和二类数据；

按照一类数据的发布时间进行数据分组，得到分组数据集，所述分组数据集中包括一类数据和与所述一类数据相关的二类数据；

对每个分组数据集进行预处理，得到所述分组数据集对应的多个数据网络集合；

对于每个分组数据集，计算其对应的主题向量集；

基于所述主题向量集得到所述分组数据集中的热点数据网络集合；

根据各个分组数据集中的热点数据网络集合得到热门行业聚类结果；

所述根据各个分组数据集中的热点数据网络集合得到热门行业聚类结果包括：

获取每个分组数据集中的热点数据网络集合；获取每个所述热点数据网络集合对应的N个热点主题，热点数据网络集合对应的热点主题的获取方法包括计算所述热点数据网络集合的相关度矩阵中每一行的元素的总和值；选取所述总和值最大的N行，得到其对应的主题，即为热点主题；根据各个热点数据网络集合对应的热点主题得到所述分组数据集的M个热点主题；各个热点数据网络集合对应的热点主题重复出现次数最高的M个主题即为所述分组数据集的M个热点主题；根据所述M个热点主题进行聚类得到热门行业聚类结果；

所述聚类包括计算两个热点主题之间的不相似性，并得到不相似性矩阵R＝{r_ij}_n*n；始化行业类别ω；获取各个热点主题对于行业类别的隶属度；获取各个热点主题对于行业类别的贡献度；输出基于所述隶属度和贡献度表示的聚类结果；所述隶属度以u表示，u_ik表示热点主题x_i对行业类别ω_k的隶属度，所述贡献度以v表示，v_kj表示热点主题x_j对行业类别ω_k的贡献权重；

隶属度根据公式(一)：计算，贡献度根据公式(二)：以M个热点主题为输入，根据公式(一)和公式(二)进行迭代计算，从而得到各个热点主题对于行业类别的隶属度和贡献度；公式(一)和公式(二)中的φ和β为与聚类精度有关的常数。

2.根据权利要求1所述的方法，其特征在于，还包括：

所述一类数据为直接发布的数据，所述二类数据为针对一类数据的评论数据。

3.根据权利要求1所述的方法，其特征在于：

所述数据网络集合以d_i＝{V,E}的形式记录，其中V为用户标识，E代表一个用户标识发布的二类数据对另一个用户标识发布的一类数据的评论关系，每个顶点均包括用户标识、标题和内容三部分数据。

4.根据权利要求3所述的方法，其特征在于：

数据网络集合中包括多个发布一类数据的用户和多个发布二类数据的用户，而发布一类数据的用户也同时作为发布二类数据的用户。

5.根据权利要求1所述的方法，其特征在于：

所述主题向量集被标识为{topic_i}，其中topic_i＝{(t_i1,p_i1)......(t_in,p_in)}，其中为t_ij主题topic_i中出现的关键词，P_ij为所述关键词在该主题中出现的概率。

6.根据权利要求1所述的方法，其特征在于：

对于每个分组数据集均对其热点数据网络集合按照行业类别进行聚类，从而得到聚类结果。