[发明专利]基于海量搜索日志挖掘话题脉络的方法和系统

摘要

提供一种基于海量搜索日志挖掘话题脉络的方法及装置，所述方法包括：统计网络搜索日志，产生第一搜索词统计数据；将第一搜索词统计数据统计为第二搜索词统计数据；为第一统计记录提取关键词；计算关键词的累计搜索次数，得到关键词搜索累计统计数据；计算单位时间段的关键词搜索热度值；确定单位时间段的话题综合搜索热度值；最后确定所述话题的关键时间节点。通过采用本发明所述方法及装置，不仅能够有效避免话题关联引起的话题漂移，而且能够挖掘出清晰完整的话题脉络。

主权项

一种基于海量搜索日志挖掘话题脉络的方法，所述方法包括，在服务器端执行以下步骤：A）将预定时间段的网络搜索日志，以预定的时间单位，按照与给定话题相关的搜索词整理成为包括多个第一统计记录的第一搜索词统计数据，每个第一统计记录包括搜索词以及其搜索记录列表，所述点击记录列表包括所述预定时间段内的每个单位时间段以及所述搜索词的搜索次数；B）按照单位时间段，将第一搜索词统计数据统计成为包括多个第二统计记录的第二搜索词统计数据，每个第二统计记录包括单位时间段以及所述单位时间段内各搜索词的总搜索次数；C）针对每个第一统计记录中的每个搜索词，根据在所述话题中的重要性提取至少一个关键词作为所述第一统计记录的关键词；D）遍历第一统计记录，计算每个关键词在各个单位时间段的累计搜索次数，以得到包括多个第三统计记录的关键词搜索累计统计数据，每个第三统计记录包括关键词、单位时间段以及所述关键词的累计搜索次数，其中，对于没有在预定个数的连续单位时间段被搜索的关键词，自第一个不连续的单位时间段起计算其将其累计搜索次数记为0；E）针对每个单位时间段，计算所述单位时间段内的第三统计记录中的累积搜索次数的和作为所述单位时间段的关键词搜索热度值；F）针对每个单位时间段，根据在步骤E）计算的所述单位时间段的关键词搜索热度值和步骤B）统计的各搜索词的总搜索次数，确定所述单位时间段的话题综合搜索热度值；G）将计算的话题综合搜索热度值超过预定的搜索热度阈值的单位时间段确定为所述话题的关键时间节点。