[发明专利]基于公文标题的热门话题数据处理方法、装置及电子设备

权利要求书

1.一种基于公文标题的热门话题数据处理方法，其特征在于，所述方法包括：

获取多个待分析公文标题；

对不符合预设实体名称的所述待分析公文标题进行过滤，得到过滤后的第一文本标题；

利用重复二分聚类方法对多个所述第一文本标题进行聚类，对聚类后的话题簇根据textrank和依存句法进行分析，得到目标话题簇标题。

2.根据权利要求1所述的基于公文标题的热门话题数据处理方法，其特征在于，所述方法还包括：

获取多个历史公文标题，所述历史公文标题中包括多个名称实体及日期实体；

对所述名称实体及所述日期实体进行标注，并利用标注的所述名称实体、所述日期实体及基于条件随机场对实体识别模型进行训练，得到目标实体识别模块，所述目标实体识别模块包括多个预设名称实体及预设日期实体。

3.根据权利要求2所述的基于公文标题的热门话题数据处理方法，其特征在于，对不符合预设实体名称的所述待分析公文标题进行过滤，得到过滤后的第一文本标题的步骤，包括：

利用所述目标实体识别模块对多个所述待分析公文标题进行识别；

当识别到所述日期实体时，对包含所述日期实体的待分析公文标题进行过滤，得到过滤后的多个第一文本标题。

4.根据权利要求1所述的基于公文标题的热门话题数据处理方法，其特征在于，利用重复二分聚类方法对多个所述第一文本标题进行聚类，对聚类后的话题簇根据textrank和依存句法进行分析，得到目标话题簇标题的步骤，包括：

利用均值算法对所述第一文本标题进行聚类，得到两个第一子集；

对所述第一子集执行所述利用均值算法对所述第一文本标题进行聚类的步骤，直至得到若干第二子集，所述第二子集为话题簇；

对每个所述话题簇的关键词进行词频统计及标准差过滤；

对聚类后的话题簇根据textrank和依存句法进行分析，得到目标话题簇标题。

5.根据权利要求4所述的基于公文标题的热门话题数据处理方法，其特征在于，对每个所述话题簇的关键词进行词频统计及标准差过滤的步骤，包括：

对每个所述话题簇的关键词进行词频统计，并确定词频最大的预设数量的关键词；

计算每个所述话题簇中所有词频的标准差，并删除词频小于标准差的关键词。

6.根据权利要求4所述的基于公文标题的热门话题数据处理方法，其特征在于，对聚类后的话题簇根据textrank和依存句法进行分析，得到目标话题簇标题的步骤，包括：

将每个所述话题簇内的第一文本标题以逗号连接成文本，每个所述第一文本标题为话题候选摘要句；

利用TextRank算法对所述文本做抽取式摘要任务，确定权重分数最高的语句，并将所述语句作为话题候选描述句；

若所述话题簇内的关键词数等于输入词频数n，确定所述话题候选描述句为目标话题簇标题；

若所述话题簇内的关键词数小于输入词频数n，利用依存句法分析生成目标话题簇标题。

7.根据权利要求1所述的基于公文标题的热门话题数据处理方法，其特征在于，所述方法还包括：

对多个所述目标话题簇标题的话题热度值进行计算，并根据所述话题热度值对所述目标话题簇标题进行排序。

8.一种基于公文标题的热门话题数据处理装置，其特征在于，包括：

获取模块，用于获取多个待分析公文标题；

过滤模块，用于对不符合预设实体名称的所述待分析公文标题进行过滤，得到过滤后的第一文本标题；

聚类模块，用于利用重复二分聚类方法对多个所述第一文本标题进行聚类，对聚类后的话题簇根据textrank和依存句法进行分析，得到目标话题簇标题。

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至7任一项所述的方法。