[发明专利]热点挖掘方法及服务器和计算机可读存储介质

权利要求书

1.一种热点挖掘方法，其特征在于，包括：

获取当前时间周期的原始文档集；

利用所述原始文档集生成频繁项集和每个所述频繁项集对应的文档簇；

按照预设标准筛选所述频繁项集，得到目标频繁项集；

基于所述目标频繁项集对应的文档簇之间的文档标识相似性，和/或文档标题相似性，和/或文档内容相似性进行文档簇聚类，得到目标文档簇；

根据所述目标文档簇确定热点信息。

2.根据权利要求1所述热点挖掘方法，其特征在于，所述利用所述原始文档集生成频繁项集和每个所述频繁项集对应的文档簇，包括：

利用所述原始文档集构建一项集，并生成每个所述一项集对应的文档簇；

对每两个k项集进行交集运算得到k+1项集，并生成每个所述k项集对应的文档簇；其中，所述k项集包括k个关键词；

将满足第一预设条件和第二预设条件的k项集确定为所述频繁项集；其中，所述第一预设条件为所述k项集中关键词数量在预设范围内，所述第二预设条件为所述k项集的支持度大于或等于第一预设值。

3.根据权利要求1所述热点挖掘方法，其特征在于，所述按照预设标准筛选所述频繁项集，得到目标频繁项集，包括：

选取包括实体词和非实体词的频繁项集作为候选频繁项集，将相关性大于第二预设值的候选频繁项集确定为所述目标频繁项集；其中，所述相关性为每个所述实体词与每个所述非实体词之间的相关性的平均值；

和/或，利用停用频繁项集过滤所有所述频繁项集，得到所述目标频繁项集；其中，所述停用频繁项集为持续时间周期数大于第三预设值的频繁项集。

4.根据权利要求1所述热点挖掘方法，其特征在于，所述根据所述目标文档簇确定热点信息，包括：

选取所述目标文档簇中的目标文档，将所述目标文档的文档标题确定为所述目标文档簇对应的热点标题。

5.根据权利要求4所述热点挖掘方法，其特征在于，所述选取所述目标文档簇中的目标文档，包括：

确定所述目标文档簇中所有文档的权重值，并选取所述权重值最高的文档为所述目标文档。

6.根据权利要求1所述热点挖掘方法，其特征在于，所述根据所述目标文档簇确定热点信息，包括：

根据所述目标文档簇对应的频繁项集中的关键词生成热点标题。

7.根据权利要求1所述热点挖掘方法，其特征在于，所述根据所述目标文档簇确定热点信息，包括：

根据所述目标文档簇中的文档数量确定热点热度；其中，所述热点热度与所述文档数量呈正相关。

8.根据权利要求1至7中任一项所述热点挖掘方法，其特征在于，所述基于所述目标频繁项集对应的文档簇之间的文档标识相似性，和/或文档标题相似性，和/或文档内容相似性进行文档簇聚类，得到目标文档簇，包括：

基于所述目标频繁项集对应的文档簇之间的所述文档标识相似性进行文档簇聚类，得到候选文档簇；

基于所述候选文档簇之间的候选文档标题相似性进行文档簇聚类，得到所述目标文档簇；其中，所述候选文档标题相似性为不同候选文档簇中候选文档标题之间的相似性，每一所述候选文档标题对应的文档数量不小于每一非候选文档标题对应的文档数量。

9.一种服务器，其特征在于，包括：

处理器和存储器；

其中，所述处理器用于执行所述存储器中存储的程序；

所述存储器用于存储程序，所述程序至少用于：

获取当前时间周期的原始文档集；

利用所述原始文档集生成频繁项集和每个所述频繁项集对应的文档簇；

按照预设标准筛选所述频繁项集，得到目标频繁项集；

基于所述目标频繁项集对应的文档簇之间的文档标识相似性，和/或文档标题相似性，和/或文档内容相似性进行文档簇聚类，得到目标文档簇；

根据所述目标文档簇确定热点信息。

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时实现如权利要求1至8任一项所述热点挖掘方法的步骤。