[发明专利]一种热点话题识别的方法、装置及可读存储介质

权利要求书

1.一种热点话题识别的方法，其特征在于，包括：

采集论坛对应的文本；

依据分词工具将所述文本划分为词语；

根据语料库筛选所述词语，并依次计算筛选出的各所述词语在全部筛选出的所述词语中出现的频率；

选择频率大于设定值的所述词语作为热点话题；

其中，所述分词工具的词典中包括预设标准格式的词语。

2.根据权利要求1所述的方法，其特征在于，所述采集论坛对应的文本后，进一步包括：

对采集到的所述文本进行预处理，并进入所述依据分词工具将所述文本分为词语的步骤。

3.根据权利要求2所述的方法，其特征在于，所述对采集到的所述文本进行预处理具体包括：

获取所述文本中的错别字及表情符号，并对所述文本进行修正；

删除所述文本中的停用词。

4.根据权利要求1所述的方法，其特征在于，所述依据分词工具将所述文本划分为词语之后，进一步包括：

对存在分词错误的所述词语进行合并，并进入所述根据语料库筛选所述词语的步骤。

5.根据权利要求1所述的方法，其特征在于，所述选择频率大于设定值的所述词语作为热点话题之后，进一步包括：

依据情感词典分析包括所述热点话题的文本以获取对应的用户的情感倾向。

6.根据权利要求1所述的方法，其特征在于，所述采集论坛对应的文本具体为：

通过爬虫迭代获取论坛对应的网页的URL链接；

根据所述URL链接获取网页；

对所述网页进行正则表达式的匹配以获取所需文本。

7.一种热点话题识别的装置，其特征在于，包括：

采集单元，用于采集论坛对应的文本；

划分单元，用于依据分词工具将所述文本划分为词语；

筛选计算单元，用于根据语料库筛选所述词语，并依次计算筛选出的各所述词语在全部筛选出的所述词语中出现的频率；

选择单元，用于选择频率大于设定值的所述词语作为热点话题；

其中，所述分词工具的词典中包括预设标准格式的词语。

8.根据权利要求7所述的装置，其特征在于，还包括：

预处理单元，用于对采集到的所述文本进行预处理。

9.一种热点话题识别的装置，其特征在于，包括处理器，所述处理器用于执行存储器中存储的程序时实现如权利要求1至6任一项所述热点话题识别的方法的步骤。

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上存储有计算机程序，所述计算机程序被处理器执行以实现如下步骤：

采集论坛对应的文本；

依据分词工具将所述文本划分为词语；

根据语料库筛选所述词语，并依次计算筛选出的各所述词语在全部筛选出的所述词语中出现的频率；

选择频率大于设定值的所述词语作为热点话题；

其中，所述分词工具的词典中包括预设标准格式的词语。