[发明专利]一种基于搜索行为的网络热点话题判定方法和系统

说明书

本发明涉及一种基于搜索行为自动发现和判定网络热点话题的方法，包括：采用文本的聚类方法、热点发掘算法和分词矩阵技术来实现热点的发现。也就是当一个类的规模很大的时候，运用文本的聚类方法、热点发掘算法和分词矩阵技术就可以判定它是一个话题(Topic)。由于传统的一些话题提取算法都是基于比较正式的文章或是比较专业的论文，而在这里我们需要针对网络搜索行为的特点来实现热点提取算法，这些搜索行为的特征体现为一些字词或者关键词汇。由于网络上的话题存在相关性，因此将文本的聚类方法、关联关系算法和分词矩阵技术引入到话题提取算法中，从而实现网络热点话题的自动判断和自主发现。

技术领域

本发明涉及大数据分析技术领域，并特别涉及一种基于搜索行为的网络热点话题判定方法和系统。

背景技术

中国互联网络信息中心(CNNIC)发布第39次《中国互联网络发展状况统计报告》。报告显示，截止到2016年12月，中国网民规模达7.31亿，相当于欧洲人口总量，互联网普及率达到53.2％，超过全球平均水平3.1个百分点，超过亚洲平均水平7.6个百分点。现在，全国有大约7亿网民活跃在网上，每天产生300多亿条信息，信息从稀缺到泛滥，舆论从单一到多元。

据中国互联网调查中心调查显示，超过九成(90.4％)的网民承认，需要信息时，首先想到的就是去互联网上寻找或者去搜索引擎搜索；超过3/4(76.3％) 的网民承认，互联网是获取重大新闻的首选渠道。

热点话题是指一定时间、一定范围内，公众最为关心的热点问题。往往随着时间的推移，热点话题在不断变化。如当前社会的热门话题应该就是人民群众最关心、最直接、最现实的教育、社保、医疗、楼市、股市、劳动就业问题等等，这些热点问题近年来很多都是通过互联网而引起公众强烈关注。

社会上的各种错误思潮包括各种不健康的价值观在网上几乎都有反映。同时，互联网的强大聚合功能，还使之成为一种新的社会动员和组织方式，为各种政治、社会力量在网上聚集、组织、动员提供了便利，这种聚合有时会形成对社会有利、有益的因素，但有时候也可能成为影响社会安定的重要因素。

发明内容

本发明公开了一种基于搜索行为自动发现和判定网络热点话题的方法，属于互联网通信领域。该发明对时时发现热点、追踪热点、评估热点、管控热点和舆情很有意义。

具体来说，本发明公开了一种基于搜索行为的网络热点话题判定方法，其中包括：

步骤1、获取已标注事件类别的文章，作为训练数据；

步骤2、集合该训练数据中出现的词，并根据每一种事件类别文章中该词的数量，为每一个该词分配对应的事件类别，以训练得到词分类模型；

步骤3、根据用户的搜索行为，得到预设周期内用户搜索的热点关键词，使用该词分类模型对该热点关键词进行分类，得到该热点关键词对应的事件类别；

步骤4、根据该热点关键词对应的事件类别，统计该预设周期内每一种事件类别对应的热点关键词数量，将对应热点关键词数量大于阈值的事件类别作为网络热点话题。

该基于搜索行为的网络热点话题判定方法，其中该步骤3还包括：

若该词分类模型无法对该热点关键词进行分类，则获取该预设周期内具有该热点关键词的文章，作为待分类文章，将该待分类文章中的词，输入至该词分类模型，得到该待分类文章中每一个词对应的事件类别，在该待分类文章中统计每个事件类别对应的词的数量，以得到每一篇该待分类文章的事件类别，并根据每一种事件类别对应的待分类文章数量，确定该热点关键词对应的事件类别。

该基于搜索行为的网络热点话题判定方法，其中该步骤3还包括：