CN110334268A - 一种区块链项目热词生成方法以及装置 - Google Patents

Abstract

本公开是关于一种区块链项目热词生成方法、装置、电子设备以及存储介质。其中，该方法包括：基于textrank算法提取区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算主题分布权重及主题词权重；根据预设公式计算关键词权重并排序；通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。本公开监控各区块链项目的媒体和用户讨论内容中的热词，实现对区块链舆情的监控。

Description

一种区块链项目热词生成方法以及装置

技术领域

本公开涉及自然语言处理领域，具体而言，涉及一种区块链项目热词生成方法、装置、电子设备以及计算机可读存储介质。

背景技术

在2018年，区块链成为了互联网领域最火爆的一项技术，大量区块链项目和产品如同雨后春笋一般层出不穷，每天都会有数个全新的区块链项目上线。那么，这么多的区块链项目，如果用户想要了解某个项目的情况，尤其是市场上对于该项目的讨论程度(舆情)，就需要自己去查询资料并且手动追踪该项目的变化，这对于个人用户来说，无疑是比较困难的。目前，市面上也有做区块链指数的企业，但是绝大部分指数的编制都是基于该项目的市值，创始人背景，该项目在交易所的交易情况，价格变化，团队情况等，以上这些因素大多都是金融层面的，而基于第三方媒体报导的舆情监控还属于空白。特别是针对具体区块链项目的舆情监控中，无法通过获取区块链项目热词来实现对区块链项目舆情的精准监控。

由上可知，需要提供一种或多种至少能够解决上述问题的技术方案。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种区块链项目热词生成方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开的一个方面，提供一种区块链项目热词生成方法，包括：

关键词提取步骤，获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；

主题分布获取步骤，基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重；

关键词权重计算步骤，根据预设公式计算关键词权重，并排序；

候选词组生成步骤，通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；

热词生成步骤，选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

在本公开的一种示例性实施例中，其特征在于，所述关键词提取步骤还包括：

基于textrank算法提取所述区块链项目新闻资讯中的关键词，还需要排除预设停用词并进行词性过滤。

在本公开的一种示例性实施例中，所述主题分布获取步骤还包括：

基于LDA算法训练所述区块链项目新闻资讯的主题模型，选取前三个主题，分别计算所述主题的主题分布权重及各主题中主题词权重。

在本公开的一种示例性实施例中，所述关键词权重计算步骤中预设公式为：

关键词权重＝关键词基本权重*a+主题分布权重*主题词权重*b；

其中，a，b分别是对应的权重因子。

在本公开的一种示例性实施例中，所述关候选词组生成步骤还包括：

所述关键词通过同义、反义、互补、上下义、组合的词语共现方式生成候选词组。

在本公开的一种示例性实施例中，所述热词生成步骤还包括：

对所述候选词组进行关键信息过滤，选取权重值最高的语义完整的候选词组作为所述区块链项目新闻资讯的热词输出。

在本公开的一个方面，提供一种区块链项目热词生成装置，包括：

关键词提取模块，用于获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；

主题分布获取模块，用于基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重；

关键词权重计算模块，用于根据预设公式计算关键词权重，并排序；

候选词组生成模块，用于通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；

热词生成模块，用于选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

在本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。

在本公开的一个方面，提供一种计算机可读存储介质，其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根据上述任意一项所述的方法。

本公开的示例性实施例中的区块链项目热词生成方法，基于textrank算法提取区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算主题分布权重及主题词权重；根据预设公式计算关键词权重并排序；通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。本公开通过监控各区块链项目的媒体和用户讨论内容中的热词，实现对区块链舆情的监控，解决了因过多数量的区块链项目的不同研究背景的原因导致的需要人为手工编制舆情热词的问题，拓展了用户的应用场景。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。

图1示出了根据本公开一示例性实施例的区块链项目热词生成方法的流程图；

图2示出了根据本公开一示例性实施例的区块链项目热词生成装置的示意框图；

图3示意性示出了根据本公开一示例性实施例的电子设备的框图；以及

图4示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

在本示例实施例中，首先提供了一种区块链项目热词生成方法；参考图1中所示，该区块链项目热词生成方法可以包括以下步骤：

关键词提取步骤S110，获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；

主题分布获取步骤S120，基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重；

关键词权重计算步骤S130，根据预设公式计算关键词权重，并排序；

候选词组生成步骤S140，通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；

热词生成步骤S150，选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

根据本示例实施例中的区块链项目热词生成方法，通过监控各区块链项目的媒体和用户讨论内容中的热词，实现对区块链舆情的监控，解决了因过多数量的区块链项目的不同研究背景的原因导致的需要人为手工编制舆情热词的问题，拓展了用户的应用场景。

下面，将对本示例实施例中的区块链项目热词生成方法进行进一步的说明。

在关键词提取步骤S110中，可以获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重。

在本示例的实施例中，所述关键词提取步骤还包括：

基于textrank算法提取所述区块链项目新闻资讯中的关键词，还需要排除预设停用词并进行词性过滤。

在本示例的实施例中，使用textrank算法提取出每篇新闻的关键词，去掉了停用词并过滤了词性。

在主题分布获取步骤S120中，可以基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重。

在本示例的实施例中，所述主题分布获取步骤还包括：

基于LDA算法训练所述区块链项目新闻资讯的主题模型，选取前三个主题，分别计算所述主题的主题分布权重及各主题中主题词权重。

在本示例的实施例中，使用LDA算法训练出主题模型，每篇新闻获得一个主题分布，每个主题下所有词都会有一个权重，经过实验，取前三个主题，并将步骤1提取出的关键词对应的主题权重记录下来。

在关键词权重计算步骤S130中，可以根据预设公式计算关键词权重，并排序。

在本示例的实施例中，所述关键词权重计算步骤中预设公式为：

关键词权重＝关键词基本权重*a+主题分布权重*主题词权重*b；

其中，a，b分别是对应的权重因子。

在本示例的实施例中，从上述步骤我们同时获得了三个权重：关键词基本权重(textrank获得)，主题分布权重和主题下对应主题词权重，则最后提取出的关键词权重＝关键词基本权重*a+主题分布权重*主题词权重*b，a和b分别是对应的权重因子。

在本示例的实施例中，按照上述步骤计算出的关键词权重排序，并进行阈值卡断，生成本篇新闻的关键词，这样得到的关键词不仅考虑了词频等基本信息(textrank)，同时也考虑了文章主题对关键词的影响。

在候选词组生成步骤S140中，可以通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和。

在本示例的实施例中，所述关候选词组生成步骤还包括：

所述关键词通过同义、反义、互补、上下义、组合的词语共现方式生成候选词组。

在本示例的实施例中，得到关键词集合之后，我们这里为了服务实时性的考虑，采用了词语共现的方法来组成候选词组，举个例子：假设关键词有“支持”和“向量机”两个，则根据原文，可以组成词组“支持向量机”，该词组对应的权重就是“支持”和“向量机”两个词的权重叠加。

在热词生成步骤S150中，可以选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

在本示例的实施例中，所述热词生成步骤还包括：

对所述候选词组进行关键信息过滤，选取权重值最高的语义完整的候选词组作为所述区块链项目新闻资讯的热词输出。

在本示例的实施例中，获得了候选的词组，但是在实验里发现，有些权重最高的关键短语缺乏关键信息，这些短语在语义上并不完整，有些缺少主语，有些缺少宾语。经过查阅论文，本发明设定了一个短语规则，规则如下：假设关键短语集合P中权重最高的短语为pmax，如果该短语第一个词为动词，或者第一个动词前没有名词，则判定短语pmax缺乏主语；如果该短语最后一个词为动词或者最后一个动词后面没有名词，则判定pmax缺乏宾语。对于判定缺乏主语或宾语的短语pmax，在关键短语集合P中，按权重从高到低的顺序搜索满足如下条件的短语p，作为最后的标签：1.p包含短语pmax；2.p中含有主语或宾语，选择出权重最高的词组作为该篇新闻的热门词组输出，热词模块流程完成。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

此外，在本示例实施例中，还提供了一种区块链项目热词生成装置。参照图2所示，该区块链项目热词生成装置200可以包括：关键词提取模块210、主题分布获取模块220、关键词权重计算模块230、候选词组生成模块240以及热词生成模块250。其中：

关键词提取模块210，用于获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；

主题分布获取模块220，用于基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重；

关键词权重计算模块230，用于根据预设公式计算关键词权重，并排序；

候选词组生成模块240，用于通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；

热词生成模块250，用于选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

上述中各区块链项目热词生成装置模块的具体细节已经在对应的音频段落识别方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了区块链项目热词生成装置200的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。

下面参照图3来描述根据本发明的这种实施例的电子设备300。图2显示的电子设备300仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于：上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。例如，所述处理单元310可以执行如图1中所示的步骤S110至步骤S150。

存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。

存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备300也可以与一个或多个外部设备370(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且，电子设备300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器360通过总线330与电子设备300的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。

参考图4所示，描述了根据本发明的实施例的用于实现上述方法的程序产品400，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (9)

1.一种区块链项目热词生成方法，其特征在于，所述方法包括：

关键词提取步骤，获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；

主题分布获取步骤，基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重；

关键词权重计算步骤，根据预设公式计算关键词权重，并排序；

候选词组生成步骤，通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；

热词生成步骤，选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

2.如权利要求1所述的方法，其特征在于，所述关键词提取步骤还包括：

基于textrank算法提取所述区块链项目新闻资讯中的关键词，还需要排除预设停用词并进行词性过滤。

3.如权利要求1所述的方法，其特征在于，所述主题分布获取步骤还包括：

基于LDA算法训练所述区块链项目新闻资讯的主题模型，选取前三个主题，分别计算所述主题的主题分布权重及各主题中主题词权重。

4.如权利要求1所述的方法，其特征在于，所述关键词权重计算步骤中预设公式为：

关键词权重＝关键词基本权重*a+主题分布权重*主题词权重*b；

其中，a，b分别是对应的权重因子。

5.如权利要求1所述的方法，其特征在于，所述关候选词组生成步骤还包括：

所述关键词通过同义、反义、互补、上下义、组合的词语共现方式生成候选词组。

6.如权利要求1所述的方法，其特征在于，所述热词生成步骤还包括：

对所述候选词组进行关键信息过滤，选取权重值最高的语义完整的候选词组作为所述区块链项目新闻资讯的热词输出。

7.一种区块链项目热词生成装置，其特征在于，所述装置包括：

关键词提取模块，用于获取区块链项目新闻资讯，基于textrank算法提取所述区块链项目新闻资讯中的关键词，并计算所述关键词基本权重；

主题分布获取模块，用于基于LDA算法训练所述区块链项目新闻资讯的主题模型，获得所述区块链项目新闻资讯的主题分布，并分别计算所述主题的主题分布权重及主题词权重；

关键词权重计算模块，用于根据预设公式计算关键词权重，并排序；

候选词组生成模块，用于通过词语共现方式将所述关键词组合生成候选词组，所述候选词组权重值为所述关键词组合中各关键词权重值之和；

热词生成模块，用于选取权重值最高的候选词组作为所述区块链项目新闻资讯的热词输出。

8.一种电子设备，其特征在于，包括

处理器；以及

存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质，其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根据权利要求1至6中任一项所述方法。