[发明专利]多信息融合的微博热点话题检测方法

权利要求书

1.多信息融合的微博热点话题检测方法，其特征在于实现步骤如下：

A．结合博主影响力的特征词权值计算：对收集到的数据进行过滤及预处理操作，提取微博中的特征词，结合博主的影响力及特征词的频率信息计算特征词在微博中的权值以及给定时间段内的权值之和；

B．突发特征词检测：根据步骤A的特征词在不同时间段内权值之和的变化情况检测出当前时间段内的突发特征词；

C．话题的检测：利用Web新闻文档数据扩充微博数据包含的特征词关联关系信息，根据步骤B检测出的突发特征词之间的关联关系构建特征词关联图，对突发特征词关联图进行划分，每一个子图表示一个话题，然后得到当前时间段内的热点话题列表。

2.根据权利要求1所述的多信息融合的微博热点话题检测方法，其特征在于：步骤A中所描述的数据包括从新闻网站爬取的Web网页数据、微博上爬取的微博数据，利用预处理操作获得微博的特征词和社交信息，然后计算博主的影响力，结合博主的影响力和特征词在微博中的频率计算特征词在微博中的权值，把所有的微博数据按照时间顺序进行排列，基于给定的时间窗口把微博序列划分为连续的桶，并对特征词在给定数据桶内所有微博中的权值进行求和以得到特征词在给定数据桶内的权值之和。

3.根据权利要求1所述的多信息融合的微博热点话题检测方法，其特征在于：步骤B中所描述的突发特征词检测过程是：对于当前桶中的特征词，利用其在各个数据桶中权值之和的变化情况来检测其当前是否处于突发的状态，如果当前桶中特征词权值之和相比历史桶中权值之和的增长速度超过一定阀值则该特征词被检测为突发特征词。

4.根据权利要求1所述的多信息融合的微博热点话题检测方法，其特征在于：步骤C中所描述的话题检测基于特征词关联图的划分，特征词关联图是一个有向图，节点表示特征词，节点之间的边表示特征词之间的关联关系，边的权重表示特征词间关联关系值的大小，特征词间的关联关系综合利用了特征词在微博和Web新闻文档中的共现关系，克服了微博中的数据稀疏性问题，然后利用图划分的方法是把特征词关联图划分为强连通子图，每个联通子图表示一个话题，包含联通子图中突发特征词的微博即为描述该子图所对应的话题的微博。