[发明专利]一种基于搜索记录的敏感词汇标记方法

说明书

技术领域

本发明涉及数据分析领域，尤其是一种基于搜索记录的敏感词汇标记方法。

背景技术

科技的快速发展引起了信息传递的多样化，经济水平的提高又对人们工作效率提出新的要求。伴随着信息时代的发展，各种信息都在井喷式的增加，同时，信息的传递已不仅仅局限在新闻媒体的现场获取报道，已逐步发展到通过网络新媒体供人们查阅。而媒体工作者的人员又有限，而新闻的发生又往往不受人为控制和预测，而很多时候，第一手新闻的发现和发布都是普通网民，而对于突发性的新闻或谈论热点，往往在短时间内会引起众多网民的激烈讨论，而对应的新闻或热点，就需要及时发现以判断其价值观，进而对网民进行正确引导。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于众多网民在特定时间段对某一问题的提及频率和参与提及该问题的网民数量，主动从网络大数据中获取突发新闻点的方案，解决新闻获取的不及时问题，以及媒体工作人员数量对获取新闻效率的限制问题。

本发明采用的技术方案如下：

一种基于搜索记录的敏感词汇标记方法，包括：

获取若干用户的搜索记录；

将所述若干用户的搜索记录分别拆分为若干短语；

分别统计拆分后的所有短语中，各短语的短语信息；

标记所述各短语中，短语信息携带的信息满足标记要求的短语为敏感词汇。

上述方案，可通过自行收集网络评论热点，进而挖掘出新闻点的问题。该方案可解决媒体工作人员不足以及时发现新闻的问题，有效利用网络传媒进行新闻挖掘与传递，丰富网民的信息获取丰富性。

作为优选，上述将所述若干用户的搜索记录分别拆分为若干短语包括：

将所述若干用户的搜索记录，按词性拆分为若干短语。

作为优选，上述短语信息包括：短语数量和预定时段该短语出现的频率。

作为优选，上述标记要求为：短语出现的频率下限和/或短语数量下限。

进一步的，分别统计拆分后的所有短语中，各短语的短语信息包括：

遍历所述拆分后的所有短语，获取若干短语名，所述若干短语名分别为在所述所有短语中至少出现一次的若干短语；和

分别统计在预定时段所述若干短语名对应的短语在所述所有短语中出现的数量；和

分析出所述若干短语名对应的短语在所述预定时段出现的频率。

进一步的，标记所述各短语中，短语信息携带的信息满足标记要求的短语为敏感词汇为：

将所述若干短语名中，短语信息携带的信息满足标记要求的短语分别存入敏感词汇库。

进一步的，上述将所述各短语中，短语信息携带的信息满足标记要求的短语分别存入敏感词汇库包括：

复制所述若干短语名到第一缓存区；

由复制的先后顺序逐一判断所述若干短语名中每一条短语名的短语信息是否满足标记要求；若不满足，则丢弃该短语名，直到判断完所有短语名；

将判断结束后所述第一缓存区中的短语名存入敏感词汇库。

或者，将所述各短语中，短语信息携带的信息满足标记要求的短语分别存入敏感词汇库包括：

复制所述若干短语名到第二缓存区；

由复制的先后顺序逐一判断所述若干短语名中每一条短语名的短语信息是否满足标记要求；若满足，则将该短语名存入敏感词汇库；

清空所诉第二缓存区。

进一步的，敏感词汇库将存入的所述短语名以其词性或专业领域分为若干短语组。

上述方案，为相应领域的人员发掘其专业的新闻点提供了极大便利。

进一步的，敏感词汇库分别将所述若干短语组中的短语名以其首字母进行排序。

上述方案对敏感词汇进行排序，以便于特定区别群体对其的快速查找，进而分别查找出对应兴趣的新闻点。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

通过本方案，实现基于网络数据采集的热点挖掘，从而有效利用了网络媒体的广播性，能为新闻媒体工作者或相关管理部分及时发掘新闻热点，进而及时判断该热点价值观，从而及时对观众进行引导。进一步的，该方案还解决了人工发掘新闻点的不及时性和不全面性问题。本方案步骤简单，实用价值高。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是敏感词汇标记方法流程图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。