[发明专利]微博平台热词抓取与社交群体分析方法及装置

权利要求书

1.一种微博平台热词抓取与社交群体分析方法，其特征在于，包括以下步骤：

基于预设自然语言处理词典建立词语相关性图，并利用抓取的微博文本计算目标时间范围内的关键词与热度，并以所述关键词和所述热度更新所述词语相关性图，挖掘当前的热点话题与相关热词；

将涉及所述热点话题传播的社交用户按预设时间顺序排列为传播级联，并结合基于社交用户之间的关注关系，建立好友关系图，得到传播级联特征和好友关系特征；以及

基于动态超图神经网络技术，使用所述传播级联特征和所述好友关系特征共同进行社区划分，生成社区的动态划分结果。

2.根据权利要求1所述的方法，其特征在于，所述基于预设自然语言处理词典建立词语相关性图，包括：

对所述预设自然语言处理词典进行预处理，利用OpenHowNet模块提供的功能筛选出与目标词语相关性大于预设阈值的词语，构建出完整的所述词语相关性图。

3.根据权利要求1所述的方法，其特征在于，所述以所述关键词和所述热度更新所述词语相关性图，挖掘当前的热点话题与相关热词，包括：

对文本数据进行中文分词并进行数据清洗，得到微博的分词结果；

检查所述分词结果中各分词在所述词语相关性图中的连接关系，其中，如果词语不存在，则在所述词语相关性图中加入相应的节点，并添加对应词语与各主题关键词的连边，连边暂时赋权重为0；

每隔预设时长更新所述词语相关性图中的各边权重；

由于微博的社交热度会随着时间衰减，设计时间衰减函数；

计算任一时刻词语之间的相关性。

4.根据权利要求3所述的方法，其特征在于，所述相关性的计算公式为：

r_t＝θr+(1-θ)f(t,i)Δr#(1.3)，

其中，θ∈[0,1]为一可自主调节的超参数，t为时间，i为词语。

5.根据权利要求1所述的方法，其特征在于，所述基于动态超图神经网络技术，使用所述传播级联特征和所述好友关系特征共同进行社区划分，生成社区的动态划分结果，包括：

构建静态好友关系图，并进行用户表示初始化和社区划分初始化；

构建动态传播级联，以更新用户表示，生成所述社区的动态划分结果。

6.一种微博平台热词抓取与社交群体分析装置，其特征在于，包括：

建立模块，用于基于预设自然语言处理词典建立词语相关性图，并利用抓取的微博文本计算目标时间范围内的关键词与热度，并以所述关键词和所述热度更新所述词语相关性图，挖掘当前的热点话题与相关热词；

获取模块，用于将涉及所述热点话题传播的社交用户按预设时间顺序排列为传播级联，并结合基于社交用户之间的关注关系，建立好友关系图，得到传播级联特征和好友关系特征；以及

生成模块，用于基于动态超图神经网络技术，使用所述传播级联特征和所述好友关系特征共同进行社区划分，生成社区的动态划分结果。

7.根据权利要求6所述的装置，其特征在于，所述建立模块包括：

构建单元，用于对所述预设自然语言处理词典进行预处理，利用OpenHowNet模块提供的功能筛选出与目标词语相关性大于预设阈值的词语，构建出完整的所述词语相关性图。

8.根据权利要求6所述的装置，其特征在于，所述建立模块包括：

获取单元，用于对文本数据进行中文分词并进行数据清洗，得到微博的分词结果；

检查单元，用于检查所述分词结果中各分词在所述词语相关性图中的连接关系，其中，如果词语不存在，则在所述词语相关性图中加入相应的节点，并添加对应词语与各主题关键词的连边，连边暂时赋权重为0；

更新单元，用于每隔预设时长更新所述词语相关性图中的各边权重；

设计单元，用于由于微博的社交热度会随着时间衰减，设计时间衰减函数；

计算单元，用于计算任一时刻词语之间的相关性。