[发明专利]热点事件分类模型的构建方法、热点事件分类方法及装置

权利要求书

1.一种热点事件分类模型的构建方法，其特征在于，所述方法包括：

按照预设时间间隔，周期性采集多个热点事件的事件数据，以得到每个所述热点事件对应的数据序列，所述数据序列中包含按照采集时间进行排序的所述事件数据；

依据每个所述热点事件的采集次数，筛选所述采集次数不小于预设次数的所述热点事件以作为目标热点事件；

利用所述目标热点事件对应的所述数据序列，确定所述目标热点事件的多项指标值；

基于所述目标热点事件的多项指标值，确定所述目标热点事件对应的空间样本；

根据所述空间样本，对所有所述目标热点事件进行聚类，得到多个分类簇的最终中心点坐标，每个所述分类簇对应一个事件类别；

基于所述多个分类簇的最终中心点坐标，构建热点事件分类模型。

2.根据权利要求1所述的方法，其特征在于，所述事件数据至少包括采集时间、事件排名以及排名权值；

所述利用所述目标热点事件对应的所述数据序列，确定所述目标热点事件的多项指标值，包括：

根据所述目标热点事件对应的各个所述排名权值，计算所述目标热点事件的整体权值和所述目标热点事件的初始波动系数；

利用所述目标热点事件对应的所有所述事件排名，计算所述目标热点事件的排名均值；

基于所述排名均值计算所述目标热点事件的排名标准差；

根据所述目标热点事件对应的各个所述采集时间，计算所述目标热点事件的持续时间和所述目标热点事件的掉点次数。

3.根据权利要求2所述的方法，其特征在于，计算所述目标热点事件的初始波动系数的过程，包括：

根据预设时间段，从所述数据序列中获取所述预设时间段内第一个所述事件数据对应的第一排名权值，和所述预设时间段内最后一个所述事件数据对应的第二排名权值；

利用所述第一排名权值和所述第二排名权值计算所述目标热点事件的初始波动系数。

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标热点事件的多项指标值，确定所述目标热点事件对应的空间样本，包括：

根据所述目标热点事件的所述多项指标值建立空间向量；

利用预先建立的标准化矩阵，对所述目标热点事件的空间向量进行标准化，以确定所述目标热点事件对应的空间样本。

5.根据权利要求1所述的方法，其特征在于，所述根据所述空间样本，对所有所述目标热点事件进行聚类，得到多个分类簇的最终中心点坐标，包括：

确定多个预设分类值；

针对每个所述预设分类值，利用所述预设分类值和所有所述空间样本，对多个目标热点事件进行聚类以得到多个分类簇的初始中心点坐标，并基于多个分类簇的初始中心点坐标确定所述预设分类值对应的轮廓系数；

比较各个所述预设分类值对应的轮廓系数，确定轮廓系数最接近1的所述预设分类值为基准分类值；

记录所述基准分类值对应的多个分类簇的初始中心点坐标为最终中心点坐标。

6.一种热点事件分类方法，其特征在于，适用于通过权利要求1至5中任一项所述的方法构建的热点事件分类模型，包括：

确定所述热点事件分类模型；

按照预设时间间隔，周期性获取待分类事件的事件数据，以得到所述待分类事件对应的数据序列；

利用所述数据序列计算所述待分类事件的多项指标值；

根据所述多项指标值建立所述待分类事件对应的空间样本；

将所述空间样本输入所述热点事件分类模型进行计算，得到所述待分类事件所属的事件类别。

7.根据权利要求6所述的方法，其特征在于，所述将所述空间样本输入所述热点事件分类模型进行计算，得到所述待分类事件所属的事件类别，包括：

计算所述待分类事件对应的空间样本，和所述热点事件分类模型中各个分类簇的最终中心点坐标的距离；

比较计算得到的多个所述距离，确定所述距离值最小的最终中心点坐标对应的分类簇为所述待分类事件所属的分类簇，并确定所述待分类事件所属的分类簇对应的事件类别为所述待分类事件所述的事件类别。