[发明专利]基于话题簇动量模型的新兴热点话题检测系统及方法

摘要

本发明提出一种针对社交媒体的动量模型的新兴热点话题检测系统及方法。该系统包括：一增量聚类算法，在于聚类出各个热点话题，为加速后面的人工标注过程；一正态分布累积概率求解，在于刻画话题的质量模型；一话题增长率求解过程，在于求解话题的速度模型；动态突发关键词的重叠率，用来衡量话题的新颖性；话题重要性衡量指标，使用话题用户和重要用户重叠率来衡量，为了衡量话题重要性；一个DBSCAN离群点检测算法，为了发现异常点来表示新兴热点话题。本发明能够利用社交媒介中数据的各维度作为特征，并刻画新兴热点话题的趋势，从而检测出新兴热点话题。

主权项

一种基于话题簇动量模型的新兴热点话题检测系统，其特征在于：包括：一数据预处理模块，用于对微博文本进行预处理，有利于后阶段算法的求解；一增量聚类算法，用于对时间序列的微博文本进行增量聚类，生成各个类簇，加速后期的一个人工标注过程；一正态分布累积概率求解模块，用于求解话题时间窗口内的质量，适用Z‑score公式来计算时间序列上各个时刻点话题相关文档变化量规模的相对程度；一话题增长率求解模块，用于求解话题时间窗口内的速度，匹配上面的质量，进而求解话题的动量，分别计算话题中的微博数、用户数、转发数和微博影响力的四个增长率来表示话题速度；一动态突发关键词重叠率求解模块，用于描述话题时间窗口内的关键词和当前时间段内的热点关键词的重叠率来衡量话题新颖性；一用户重叠率求解模块，用于计算话题高权威值用户和当前时段内的高权威值用户集合的重叠率来衡量话题热度值；以及DBSCAN离群点检测算法，用于发现新兴热点话题与非新兴热点话题的数据不平衡性，从而检测出新兴热点话题。