CN103580997A - 一种垂直领域热门微博的提取方法及其装置 - Google Patents

Abstract

本发明公开一种垂直领域热门微博的提取方法及其装置，其中，所述垂直领域热门微博的提取方法包括步骤1、实时采集微博信息，步骤2、标签化微博信息，步骤3、根据标签将签化微博信息进行分流，步骤4、找出每一个垂直领域内的热门词组，步骤5、根据热门词组和转发次数找到热门微博：搜索包括热门词组的微博信息，在这些微博信息中选取转发次数最高的那一条作为垂直领域的一条热门微博，步骤6、过滤热门微博中含广告的微博；根据自己定义的标签将微博信息进行标签化，根据标签将微博信息分成各个垂直领域，然后在垂直领域内对提取热门微博，只需更新定义标签可以满足不同区域和领域网络内的热门微博的需求，因而，可以适应使用者差异化的需求。

Description

一种垂直领域热门微博的提取方法及其装置

技术领域

本发明属于网络技术领域，具体涉及一种垂直领域热门微博的提取方法及其装置。

背景技术

随着互联网技术的进步与发展，微博已成为人们获取信息、交流信息的重要渠道，大量网民在微博中发表自己的意见和爆料各类新闻，每天都有成千上万的话题从微博上产生，如何更快速地从微博信息中获取微博热点将对了解社会发展形势、掌握舆论动态具有指导性作用。

目前存在的微博热点挖掘方法是通过对特定时间段内全局网络微博话题下的微博数量进行对比，通过数量排序得到全局网络内的热点微博，然而，在现实生活中，我们一般对全局微博的很多热点都不感兴趣，而是比较关注某个特定领域或者地区的热门微博，比如我们工作所在地区，我们家乡所在地区的热门微博，或者我们所在行业领域的热门微博，然而，当前存在的微博热点挖掘方法是难以满足该等需求。

发明内容

针对现有技术存在的问题，本发明旨在提供一种垂直领域热门微博的提取方法，它首先根据自己定义的标签将微博信息进行标签化，根据标签将标签化的微博信息分成各个垂直领域，然后在垂直领域内对提取热门微博，只需更新定义标签可以满足不同区域和领域网络内的热门微博的需求，因而，可以适应使用者差异化的需求。

本发明提供的一种垂直领域热门微博的提取方法，其包括以下步骤：

步骤1、实时采集微博信息：通过某一门户微博指定的开放接口实时采集该门户的微博信息，其中，微博信息主要包括微博内容和转发次数；

步骤2、标签化微博信息:定义标签A={a₁,a₂,…，a_n},B={b₁,b₂,…，b_n}，…，M={m₁,m₂,…m_n}，将每一微博信息与每一标签进行求交集，如果交集不为空集即微博信息中包含标签的元素，则，为该微博信息标上该标签；

步骤3、根据标签将标签化的微博信息进行分流：根据标签将标签化的微博信息分成多个垂直领域，每个垂直领域由含有相同标签的多个微博信息集合而成；

步骤4、找出每一个垂直领域内的热门词组：周期性地对每一个垂直领域内的微博信息进行分析提取热门词组；

步骤5、根据热门词组和转发次数找到热门微博：搜索包括热门词组的微博信息，在这些微博信息中选取转发次数最高的那一条作为垂直领域的一条热门微博；

步骤6、过滤热门微博中含广告的微博：采用广告过滤模块去除热门微博中含广告的热门微博。

本发明又提供的一种垂直领域热门微博的提取装置，其包括微博信息采集模块、微博信息标签化模块、微博信息分流模块、热门词组提取模块、热门微博提取模块及广告过滤模块，其中，

所述微博信息采集模块实时采集某一门户的微博信息，其中，微博信息包括微博内容和转发次数；

所述微博信息标签化模块包括标自定义的标签数据库及交集求解模块，所述交集求解模块将微博信息的微博内容与标签数据库的标签进行求交，根据所得的交集包括的标签对微博信息进行标签化；

所述微博信息分流模块根据标签将标签化的微博信息分成多个垂直领域，将含有相同标签的多个微博信息集合成同一垂直领域；

所述热门词组提取模块提取每一垂直领域内的热门词组；

所述热门微博提取模块根据热门词组和转发次数找到相应的热门微博；

所述广告过滤模块用以滤除热门微博中的含有广告宣传词组的热门微博。

本发明公开的一种垂直领域热门微博的提取方法，具有以下有益效果：

本发明提供的一种垂直领域热门微博的提取方法，首先根据自己定义的标签将微博信息进行标签化，根据标签将标签化的微博信息分成各个垂直领域，然后在垂直领域内对提取热门微博，只需更新定义标签可以满足不同区域和领域网络内的热门微博的需求，因而，可以适应使用者差异化的需求。

附图说明

图1为本发明提供的一种垂直领域热门微博的提取方法的流程图；

图2为本发明提供的一种垂直领域热门微博的提取装置的结构框图。

具体实施方式

针对现有技术存在的问题，本发明旨在提供一种垂直领域热门微博的提取方法，它首先根据自己定义的标签将微博信息进行标签化，根据标签将标签化的微博信息分成各个垂直领域，然后在垂直领域内对提取热门微博，只需更新定义标签可以满足不同区域和领域网络内的热门微博的需求，因而，可以适应使用者差异化的需求。

请参阅图1和图2，本发明提供的一种垂直领域热门微博的提取方法，其包括以下步骤：

步骤1、实时采集微博信息：通过某一门户微博指定的开放接口实时采集该门户微博的微博信息，其中，微博信息主要包括微博内容和转发次数；

步骤2、标签化微博信息:定义标签A={a₁,a₂,…，a_n},B={b₁,b₂,…，b_n}，…，M={m₁,m₂,…m_n}，将每一微博信息与每一标签进行求交集，如果交集不为空集即微博信息中包含标签的元素，则，为该微博信息标上该标签，例如，我们可以定义标签“湖南地区”，当微博内容中包含如下集合中的一个元素（词）时，就给这篇微博信息打上标签“湖南地区”，湖南地区：{湖南(省)，长沙(市)，株洲(市)，湘潭(市)，衡阳(市)，邵阳(市)，岳阳(市)，张家界(市)，益阳(市)，常德(市)，娄底(市)，郴州(市)，永州(市)，怀化(市)}；再例如，我们可以定义标签“教育行业”，当微博内容中包含如下集合中的一个元素（词）时，就给这篇微博信息打上标签“教育行业”，教育行业：{大学，高校，学校，院士，校长，教授，博士，研究生，教师，大学生，高中生，初中生，小学，幼儿园，考试，中考，高考，自考，泄题，考试作弊，论文抄袭，论文造假，学术造假，保送，保研，出国留学……}；如下这篇示例微博信息，会打上“湖南地区”，“上海地区”，“教育行业”三个标签，微博内容：“在上海市举行的第四十二届全国高中生信息学竞赛中，来自湖南的选手张三获得冠军，他已经取得清华大学的保送资格。”；

步骤3、根据标签将签化微博信息进行分流：根据标签将标签化的微博信息分成多个垂直领域，每个垂直领域由含有相同标签的多个微博信息集合而成；例如，对于步骤2中的示例微博信息，被打上了“湖南地区”，“上海地区”，“教育行业”三个标签，那么，它会同时被分发到“湖南地区”，“上海地区”，“教育行业”三个垂直领域（集合）；

步骤4、找出每一个垂直领域内的热门词组：周期性地对每一个垂直领域内的微博信息进行分析提取热门词组，其中，提取热门词组的步骤：（1）、对每篇微博信息分词，那么可以把一篇微博信息看成是词的集合；（2）、提取若干热门词组（每一个热门词组可以看成一个子集），其中，每一个热门词组（子集）都包含在很多微博内容（词的集合）中，可采用“频繁项集挖掘”中的fp-growth算法提取出若干热门词组；

步骤5、根据热门词组和转发次数找到热门微博：搜索包括热门词组的微博信息，在这些微博信息中选取转发次数最高的那一条作为垂直领域的一条热门微博；

步骤6、过滤热门微博中的微博：采用广告过滤模块去除热门微博中含广告的热门微博，剩下的即为无广告的热门微博，即为该领域热门微博。

请参阅图2，本发明又提供的一种垂直领域热门微博的提取装置，其包括微博信息采集模块1、微博信息标签化模块2、微博信息分流模块3、热门词组提取模块4、热门微博提取模块5及广告过滤模块6，其中，所述微博信息采集模块1实时采集某一门户的微博信息，其中，微博信息包括微博内容和转发次数；所述微博信息标签化模块2包括标自定义的标签数据库及交集求解模块，所述交集求解模块将微博信息的微博内容与标签数据库的标签进行求交，根据所得的交集包括的标签对微博信息进行标签化；所述微博信息分流模块3根据标签将标签化的微博信息分成多个垂直领域，将含有相同标签的多个微博信息集合成同一垂直领域；所述热门词组提取模块提取每一垂直领域内的热门词组；所述热门微博提取模块4根据热门词组和转发次数找到相应的热门微博；所述广告过滤模块5用以滤除热门微博中的含有广告宣传词组的热门微博。

本发明公开的一种垂直领域热门微博的提取方法，具有以下有益效果：

本发明提供的一种垂直领域热门微博的提取方法，首先根据自己定义的标签将微博信息进行标签化，根据标签将标签化的微博信息分成各个垂直领域，然后在垂直领域内对提取热门微博，只需更新定义标签可以满足不同区域和领域网络内的热门微博的需求，因而，可以适应使用者差异化的需求。

显然本发明的实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。

Claims (2)

1.一种垂直领域热门微博的提取方法，其特征在于，其包括以下步骤：

步骤1、实时采集微博信息：通过某一门户微博指定的开放接口实时采集该门户的微博信息，其中，微博信息主要包括微博内容和转发次数；

步骤2、标签化微博信息:定义标签A={a₁,a₂,…，a_n},B={b₁,b₂,…，b_n}，…，M={m₁,m₂,…m_n}，将每一微博信息与每一标签进行求交集，如果交集不为空集即微博信息中包含标签的元素，则，为该微博信息标上该标签；

步骤3、根据标签将标签化的微博信息进行分流：根据标签将标签化的微博信息分成多个垂直领域，每个垂直领域由含有相同标签的多个微博信息集合而成；

步骤4、找出每一个垂直领域内的热门词组：周期性地对每一个垂直领域内的微博信息进行分析提取热门词组；

步骤5、根据热门词组和转发次数找到热门微博：搜索包括热门词组的微博信息，在这些微博信息中选取转发次数最高的那一条作为垂直领域的一条热门微博；

步骤6、过滤热门微博中含广告的微博：采用广告过滤模块去除热门微博中含广告的热门微博。

2.一种垂直领域热门微博的提取装置，其特征在于，其包括微博信息采集模块、微博信息标签化模块、微博信息分流模块、热门词组提取模块、热门微博提取模块及广告过滤模块，其中，

所述微博信息采集模块实时采集某一门户的微博信息，其中，微博信息包括微博内容和转发次数；

所述微博信息标签化模块包括标自定义的标签数据库及交集求解模块，所述交集求解模块将微博信息的微博内容与标签数据库的标签进行求交，根据所得的交集包括的标签对微博信息进行标签化；

所述微博信息分流模块根据标签将标签化的微博信息分成多个垂直领域，将含有相同标签的多个微博信息集合成同一垂直领域；

所述热门词组提取模块提取每一垂直领域内的热门词组；

所述热门微博提取模块根据热门词组和转发次数找到相应的热门微博；

所述广告过滤模块用以滤除热门微博中的含有广告宣传词组的热门微博。

Images