CN115795175B - 基于数据分析的多维度热点提取方法 - Google Patents

Abstract

本发明涉及多维度热点提取技术领域，具体为基于数据分析的多维度热点提取方法，该方法包括下述步骤：步骤一：通过维度提选单元从各个不同的维度进行维热信息的提取，本发明通过对不同维度的热点信息进行数据的采集，并将采集的数据进行依次往下的划分，从而将数据的类别种类划分清楚，并与对数据的提取以及处理，依据划分的数据进行不同种类的数据处理，从而得到对应种类数据的分析系数以及评价系数，将数据进行数值转化，增加数据的直观性，依据转化后的不同系数进行综合处理，依据处理结果对不同维度的热点信息进行判定选取，从而选取出不同维度的热点，选取出不重复的热点数据，并生成提取传输提示，依据提示进行提取传输。

Description

基于数据分析的多维度热点提取方法

技术领域

本发明涉及多维度热点提取技术领域，具体为基于数据分析的多维度热点提取方法。

背景技术

热点指的是比较受广大群众关注，或者欢迎的新闻或者信息，或指某时期引人注目的地方或问题，对于热点的提取是现在的网络平台进行的数据处理，选取出各类信息中浏览量最多，人们感兴趣的信息进行提取。

目前，对于不同维度的热点提取方法是通过不同维度的热点的浏览量以及点击量进行一个数据的排行，依据排行的结果进行热点选取，该方法对热点的选取不够准确，无法依据信息的不同浏览、阅读、评价等数据自动判定热点的真实性，从而降低选取热点的准确性，无法结合多方数据，进行实时的自动分析。

为此，我们提出基于数据分析的多维度热点提取方法。

发明内容

本发明的目的在于提供基于数据分析的多维度热点提取方法，通过对不同维度的热点信息进行数据的采集，并将采集的数据进行依次往下的划分，从而将数据的类别种类划分清楚，并与对数据的提取以及处理，依据划分的数据进行不同种类的数据处理，从而得到对应种类数据的分析系数以及评价系数，将数据进行数值转化，增加数据的直观性，便于对数据有一个直观的了解，依据转化后的不同系数进行综合处理，依据处理结果对不同维度的热点信息进行判定选取，从而选取出不同维度的热点，并将其进行整合提出，选取出不重复的热点数据，并生成提取传输提示，依据提示进行提取传输。

本发明的目的可以通过以下技术方案实现：基于数据分析的多维度热点提取方法，该方法具体包括下述步骤：

步骤一：通过维度提选单元从各个不同的维度进行维热信息的提取，并对维热信息进行划分操作，划分得到提维数据组，提维数据组包括提维数据、维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据；

步骤二：通过维热点分处理单元对提维数据组内不同维度的数据进行维热状况处理操作，得到信号数据组，信号数据组包括阅读信号、浏览信号、线优信号、线劣信号、共存一信号、共存二信号、不合格维线数据、合格维线数据、好评间隔值、差评间隔值以及正评间隔值；

步骤三：通过维热计算整合单元对信号数据组内的数据进行不同系数的计算整合操作，得到分析评价系数组，分析评价系数组包括上线评价系数和阅览分析系数；

步骤四：通过维热判定预警单元对分析评价系数组进行维度热点数据的判定预警操作，得到操作数组以及提取传输信号，依据提取传输信号对操作数组进行提取传输。

进一步的，提取划分操作的具体操作过程为：

将维热信息划分为提维数据、维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据；

提维数据表示为维热信息内不同的维度对应的分类编号，维分数据表示为维热信息内提维数据对应的分类，维名数据表示为维热信息内维分数据对应的数据名称，维点数据表示为维热信息内维名数据对应的用户点击量，维览数据表示为维热信息内维名数据对应的用户浏览的时间长度，维评数据表示为维热信息内维名数据对应的评价内容，维间数据表示为维热信息内维名数据对应的评价时间点，维线数据表示为维热信息内维名数据对应的上线时长；

依据提维数据提取对应的维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据并将其标定为提维数据组，将提维数据组传输至维热点分处理单元。

进一步的，维热状况处理操作的具体操作过程为：

依据提维数据选取对应的维分数据，并将维分数据对应的维名数据、维点数据、维览数据、维评数据、维间数据和维线数据进行选取标记；

将选取标记的维名数据，并将维名数据对应的维点数据以及维览数据进行点览处理，具体为：

依据维名数据选取对应的维览数据，设定一个维览阈值，将维览数据与维览阈值进行差值计算，计算出维览阈差值，将维览阈差值与维览阈差值对应的阈值进行比对，当维览阈差值大于等于维览阈差值对应的阈值时，则生成阅读信号，当维览阈差值小于维览阈差值对应的阈值时，则生成浏览信号；

依据维名数据选取对应的维评数据、维间数据以及维线数据进行评间处理，得到线优信号、线劣信号、共存一信号、共存二信号、不合格维线数据、合格维线数据、好评间隔值、差评间隔值以及正评间隔值。

进一步的，评间处理的具体过程为：

提取维名数据对应的维线数据，将若干个为维名数据对应的维线数据进行时间排序，得到维线排序数据，设定一个上线阈值，将上线阈值与维线排序数据中的维线数据进行匹配，当匹配出维线排序数据中的维线数据均大于上线阈值时，则生成线优信号，当匹配出维线排序数据中的维线数据均小于上线阈值时，则生成线劣信号；

当上线阈值与维线排序数据中的维线数据的匹配结果一致时，则生成共存一信号，将该维线数据标定为维线分界数据，将维线排序数据中该维线分界数据以及排序在维线分界数据后的维线数据标定为不合格维线数据，将维线排序数据中排序在维线分界数据后的维线数据标定为合格维线数据，当上线阈值在维线排序数据中的两个维线数据之间时，则生成共存二信号，将维线排序数据中两个维线数据中的后一个数据及后续排序对应的维线数据标定为不合格维线数据，将维线排序数据中两个维线数据中的前一个数据及之前的排序对应的维线数据标定为合格维线数据；

提取维评数据，设定一个好评数词组以及差评数词组，将维评数据与好评数词组以及差评数词组进行匹配，当维评数据与好评数词组或差评数词组的匹配结果一致时，则生成好评信号或差评信号，当维评数据与好评数词组以及差评数词组的匹配结果均不一致时，则生成正评信号；

提取若干个对应好评信号、差评信号以及正评信号，依据维间数据识别出每两次好评信号出现的时间差值，将其标定为好评间隔值，依据维间数据识别出每两次差评信号出现的时间差值，将其标定为差评间隔值，依据维间数据识别出每两次正评信号出现的时间差，将其标定为正评间隔值。

进一步的，计算整合操作的具体操作过程为：

提取阅读信号以及浏览信号，识别出阅读信号以及浏览信号出现的次数，并将阅读信号以及浏览信号出现的次数分别标定为阅读次数值以及浏览信号次数值；

将阅读次数值以及浏览信号次数值分别与维名数据对应的维点数据进行占比计算，计算出阅读次数占比值Yci以及浏览信号次数占比值Lci；

依据公式：

，计算出阅览分析系数

，u1表示为阅读次数占比值的预设比例系数，u2表示为浏览信号次数占比值的预设比例系数，M1表示为阅览分析系数的预设偏差纠正系数，且u1＞u2；

对线优信号、线劣信号、共存一信号以及共存二信号进行识别标记，当识别到线优信号或线劣信号时，则将线优信号或线劣信号赋值标定为信号赋值，并将信号赋值标记为A_c，c=1，2，当识别到共存一信号或共存二信号时，则将对应的不合格维线数据以及合格维线数据标定为维线评价数值B_v，v=1，2，将信号赋值与维线评价数值标定为识别数值Kab_n，n=1，2；

依据公式：

，计算出上线评价系数

，r1表示为识别数值预设转换因子，Hj表示为好评间隔值，Zj表示为正评间隔值，Cj表示为差评间隔值，r2表示为好评间隔值、差评间隔值以及正评间隔值的预设转换因子，β表示为上线评价系数的偏差纠正预设值。

进一步的，判定预警操作的具体操作过程为：

提取维名数据对应的上线评价系数

和阅览分析系数

，依据公式：

，计算出判定值

，glc表示为判定值计算的偏差调节因子；

提取维名数据对应的判定值

，依据判定值

对维名数据进行从大到小的排序，得到维名排序数据，将维名排序数据进行热度提取划分，具体为：设定一个热度提取划分阈值，将热度提取划分阈值与维名排序数据进行匹配，将维名排序数据中排序在热度提取划分阈值之前的维名数据标定为热度提取数据；

依据提维数据选取对应的维分数据，依据维分数据选取对应的热度提取数据，将热度提取数据进行整合，整合得到热度提取数组，并对热度提取数组内的维名数据进行识别，当出现重复的维名数据时，则自动进行随机剔除，只保留其中一个维名数据，同时，将随机剔除后的热度提取数组标定为操作数组，生成提取传输信号，依据提取传输信号对操作数组进行提取传输。

本发明的有益效果：

本发明通过对不同维度的热点信息进行数据的采集，并将采集的数据进行依次往下的划分，从而将数据的类别种类划分清楚，并与对数据的提取以及处理，依据划分的数据进行不同种类的数据处理，从而得到对应种类数据的分析系数以及评价系数，将数据进行数值转化，增加数据的直观性，便于对数据有一个直观的了解，依据转化后的不同系数进行综合处理，依据处理结果对不同维度的热点信息进行判定选取，从而选取出不同维度的热点，并将其进行整合提出，选取出不重复的热点数据，并生成提取传输提示，依据提示进行提取传输。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的热点提取流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为基于数据分析的多维度热点提取方法，该方法具体包括下述步骤：

通过维度提选单元从各个不同的维度进行维热信息的提取，依据从不同维度提取的维热信息进行提取划分操作，提取划分操作的具体操作过程为：

将维热信息内不同的维度对应的分类编号标定为提维数据，提维数据的含义表示为若干个维度其中之一的维度，即可以理解为A维度，将维热信息内提维数据对应的分类标定为维分数据，将维热信息内维分数据对应的数据名称标定为维名数据，将维热信息内维名数据对应的用户点击量标定为维点数据，将维热信息内维名数据对应的用户浏览的时间长度标定为维览数据，将维热信息内维名数据对应的评价内容标定为维评数据，将维热信息内维名数据对应的评价时间点标定为维间数据，将维热信息内维名数据对应的上线时长标定为维线数据，此处的上线时长指代该信息出现的时间直至当前时刻的时间长度；

提取提维数据、维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据，并对其进行对应划分，具体为：依据提维数据提取对应的维分数据，依据维分数据提取对应的维名数据，依据维名数据提取对应的维点数据、维览数据、维评数据、维间数据以及维线数据，即依据提维数据提取对应的维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据，便于对数据进行整合划分，从而便于后续数据的提取，节省数据提取的时间，提高工作效率；

将提维数据、维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据传输至维热点分处理单元；

通过维热点分处理单元对提维数据以及对应的维分数据、维名数据、维点数据、维览数据、维评数据、维间数据和维线数据进行维热状况处理操作，维热状况处理操作的具体操作过程为：

依据提维数据选取对应的维分数据，并将维分数据对应的维名数据、维点数据、维览数据、维评数据、维间数据和维线数据进行选取标记；

将选取标记的维名数据，并将维名数据对应的维点数据以及维览数据进行点览处理，具体为：

依据维名数据选取对应的维览数据，设定一个维览阈值，将维览数据与维览阈值进行差值计算，计算出维览阈差值，将维览阈差值与维览阈差值对应的阈值进行比对，当维览阈差值大于等于维览阈差值对应的阈值时，则判定对应维名数据被用户阅读，生成阅读信号，当维览阈差值小于维览阈差值对应的阈值时，则判定对应维名数据未被用户阅读，生成浏览信号；

依据维名数据选取对应的维评数据、维间数据以及维线数据进行评间处理，评间处理的具体过程为：

提取维名数据对应的维线数据，将若干个为维名数据对应的维线数据进行时间排序，得到维线排序数据，设定一个上线阈值，将上线阈值与维线排序数据中的维线数据进行匹配，具体为：当匹配出维线排序数据中的维线数据均大于上线阈值时，则判定所有维名数据的上线时长均大于设定的时间，生成线优信号，当匹配出维线排序数据中的维线数据均小于上线阈值时，则判定所有维名数据的上线时长均小于设定的时间，生成线劣信号；

当上线阈值与维线排序数据中的维线数据的匹配结果一致时，则判定维线排序数据内优劣共存，生成共存一信号，将该维线数据标定为维线分界数据，将维线排序数据中该维线分界数据以及排序在维线分界数据后的维线数据标定为不合格维线数据，将维线排序数据中排序在维线分界数据后的维线数据标定为合格维线数据，当上线阈值在维线排序数据中的两个维线数据之间时，则判定维线排序数据内优劣共存，生成共存二信号，将维线排序数据中两个维线数据中的后一个数据及后续排序对应的维线数据标定为不合格维线数据，将维线排序数据中两个维线数据中的前一个数据及之前的排序对应的维线数据标定为合格维线数据；

提取维评数据，设定一个好评数词组以及差评数词组，将维评数据与好评数词组以及差评数词组进行匹配，当维评数据与好评数词组的匹配结果一致时，则判定该维评数据为好评数据，生成好评信号，当维评数据与差评数词组的匹配结果一致时，则判定该维评数据为好评数据，生成差评信号，当维评数据与好评数词组以及差评数词组的匹配结果均不一致时，则判定该维评数据为正评数据，生成正评信号；

提取若干个对应好评信号、差评信号以及正评信号，依据维间数据识别出每两次好评信号出现的时间差值，将其标定为好评间隔值，依据维间数据识别出每两次差评信号出现的时间差值，将其标定为差评间隔值，依据维间数据识别出每两次正评信号出现的时间差，将其标定为正评间隔值；

通过维热计算整合单元对阅读信号、浏览信号、线优信号、线劣信号、共存一信号、共存二信号、不合格维线数据、合格维线数据、好评间隔值、差评间隔值以及正评间隔值进行计算整合操作，计算整合操作的具体操作过程为：

提取阅读信号以及浏览信号，识别出阅读信号以及浏览信号出现的次数，并将阅读信号以及浏览信号出现的次数分别标定为阅读次数值以及浏览信号次数值；

将阅读次数值以及浏览信号次数值分别与维名数据对应的维点数据进行占比计算，计算出阅读次数占比值以及浏览信号次数占比值，具体计算式为：阅读次数占比值=阅读次数值/维点数据；浏览信号次数占比值=浏览信号次数值/维点数据；

将阅读次数占比值以及浏览信号次数占比值代入到计算式：

，其中，

表示为阅览分析系数，Yci表示为阅读次数占比值，u1表示为阅读次数占比值的预设比例系数，Lci表示为浏览信号次数占比值，u2表示为浏览信号次数占比值的预设比例系数，M1表示为阅览分析系数的预设偏差纠正系数，且u1＞u2；

提取线优信号、线劣信号、共存一信号以及共存二信号并进行识别，当识别到线优信号时，则将线优信号赋值为A₁影响值，当识别到线劣信号时，则将线劣信号赋值为A₂影响值，将线优信号以及线劣信号的赋值标定为信号赋值，并将信号赋值标记为A_c，c=1，2，当识别到共存一信号或共存二信号时，则提取对应的不合格维线数据以及合格维线数据并依次标记为B₁、B₂，将B₁、B₂标定为维线评价数值B_v，v=1，2，将信号赋值与维线评价数值标定为识别数值Kab_n，n=1，2，当n=1时，则识别数值表示为A_c，当n=2时，则识别数值表示为B_v；

将识别数值与好评间隔值、差评间隔值以及正评间隔值一同代入计算式：

计算出上线评价系数

，其中，Kab_n表示为识别数值，r1表示为识别数值预设转换因子，Hj表示为好评间隔值，Zj表示为正评间隔值，Cj表示为差评间隔值，r2表示为好评间隔值、差评间隔值以及正评间隔值的预设转换因子，β表示为上线评价系数的偏差纠正预设值；

通过维热判定预警单元对维名数据以及对应的上线评价系数

和阅览分析系数

一同进行判定预警操作，判定预警操作的具体操作过程为：

提取维名数据对应的上线评价系数

和阅览分析系数

，依据公式：

，计算出判定值

，glc表示为判定值计算的偏差调节因子；

提取维名数据对应的判定值

，依据判定值

对维名数据进行从大到小的排序，得到维名排序数据，将维名排序数据进行热度提取划分，具体为：设定一个热度提取划分阈值，将热度提取划分阈值与维名排序数据进行匹配，将维名排序数据中排序在热度提取划分阈值之前的维名数据标定为热度提取数据；

依据提维数据选取对应的维分数据，依据维分数据选取对应的热度提取数据，将热度提取数据进行整合，整合得到热度提取数组，并对热度提取数组内的维名数据进行识别，当出现重复的维名数据时，则自动进行随机剔除，只保留其中一个维名数据，同时，将随机剔除后的热度提取数组标定为操作数组，生成提取传输信号，依据提取传输信号对操作数组进行提取传输。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (1)

1.基于数据分析的多维度热点提取方法，其特征在于，该方法具体包括下述步骤：

步骤一：通过维度提选单元从各个不同的维度进行维热信息的提取，并对维热信息进行划分操作，提取划分操作的具体操作过程为：

将维热信息划分为提维数据、维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据；

提维数据表示为维热信息内不同的维度对应的分类编号，维分数据表示为维热信息内提维数据对应的分类，维名数据表示为维热信息内维分数据对应的数据名称，维点数据表示为维热信息内维名数据对应的用户点击量，维览数据表示为维热信息内维名数据对应的用户浏览的时间长度，维评数据表示为维热信息内维名数据对应的评价内容，维间数据表示为维热信息内维名数据对应的评价时间点，维线数据表示为维热信息内维名数据对应的上线时长；

依据提维数据提取对应的维分数据、维名数据、维点数据、维览数据、维评数据、维间数据以及维线数据并将其标定为提维数据组，将提维数据组传输至维热点分处理单元；

步骤二：通过维热点分处理单元对提维数据组内不同维度的数据进行维热状况处理操作，维热状况处理操作的具体操作过程为：

依据提维数据选取对应的维分数据，并将维分数据对应的维名数据、维点数据、维览数据、维评数据、维间数据和维线数据进行选取标记；

将选取标记的维名数据，并将维名数据对应的维点数据以及维览数据进行点览处理，具体为：

依据维名数据选取对应的维览数据，设定一个维览阈值，将维览数据与维览阈值进行差值计算，计算出维览阈差值，将维览阈差值与维览阈差值对应的阈值进行比对，当维览阈差值大于等于维览阈差值对应的阈值时，则生成阅读信号，当维览阈差值小于维览阈差值对应的阈值时，则生成浏览信号；

依据维名数据选取对应的维评数据、维间数据以及维线数据进行评间处理，评间处理的具体过程为：

提取维名数据对应的维线数据，将若干个为维名数据对应的维线数据进行时间排序，得到维线排序数据，设定一个上线阈值，将上线阈值与维线排序数据中的维线数据进行匹配，当匹配出维线排序数据中的维线数据均大于上线阈值时，则生成线优信号，当匹配出维线排序数据中的维线数据均小于上线阈值时，则生成线劣信号；

当上线阈值与维线排序数据中的维线数据的匹配结果一致时，则生成共存一信号，将该维线数据标定为维线分界数据，将维线排序数据中该维线分界数据以及排序在维线分界数据后的维线数据标定为不合格维线数据，将维线排序数据中排序在维线分界数据后的维线数据标定为合格维线数据，当上线阈值在维线排序数据中的两个维线数据之间时，则生成共存二信号，将维线排序数据中两个维线数据中的后一个数据及后续排序对应的维线数据标定为不合格维线数据，将维线排序数据中两个维线数据中的前一个数据及之前的排序对应的维线数据标定为合格维线数据；

提取维评数据，设定一个好评数词组以及差评数词组，将维评数据与好评数词组以及差评数词组进行匹配，当维评数据与好评数词组或差评数词组的匹配结果一致时，则生成好评信号或差评信号，当维评数据与好评数词组以及差评数词组的匹配结果均不一致时，则生成正评信号；

提取若干个对应好评信号、差评信号以及正评信号，依据维间数据识别出每两次好评信号出现的时间差值，将其标定为好评间隔值，依据维间数据识别出每两次差评信号出现的时间差值，将其标定为差评间隔值，依据维间数据识别出每两次正评信号出现的时间差，将其标定为正评间隔值；

将阅读信号、浏览信号、线优信号、线劣信号、共存一信号、共存二信号、不合格维线数据、合格维线数据、好评间隔值、差评间隔值以及正评间隔值标记为信号数据组；

步骤三：通过维热计算整合单元对信号数据组内的数据进行不同系数的计算整合操作，计算整合操作的具体操作过程为：

提取阅读信号以及浏览信号，识别出阅读信号以及浏览信号出现的次数，并将阅读信号以及浏览信号出现的次数分别标定为阅读次数值以及浏览信号次数值；

将阅读次数值以及浏览信号次数值分别与维名数据对应的维点数据进行占比计算，计算出阅读次数占比值Yci以及浏览信号次数占比值Lci；

依据公式：

，计算出阅览分析系数

，u1表示为阅读次数占比值的预设比例系数，u2表示为浏览信号次数占比值的预设比例系数，M1表示为阅览分析系数的预设偏差纠正系数，且u1＞u2；

对线优信号、线劣信号、共存一信号以及共存二信号进行识别标记，当识别到线优信号或线劣信号时，则将线优信号或线劣信号赋值标定为信号赋值，并将信号赋值标记为A_c，c=1，2，当识别到共存一信号或共存二信号时，则将对应的不合格维线数据以及合格维线数据标定为维线评价数值B_v，v=1，2，将信号赋值与维线评价数值标定为识别数值Kab_n，n=1，2；

依据公式：

，计算出上线评价系数

，r1表示为识别数值预设转换因子，Hj表示为好评间隔值，Zj表示为正评间隔值，Cj表示为差评间隔值，r2表示为好评间隔值、差评间隔值以及正评间隔值的预设转换因子，β表示为上线评价系数的偏差纠正预设值；

将上线评价系数和阅览分析系数标定为分析评价系数组；

步骤四：通过维热判定预警单元对分析评价系数组进行维度热点数据的判定预警操作，判定预警操作的具体操作过程为：

提取维名数据对应的上线评价系数

和阅览分析系数

，依据公式：

，计算出判定值

，glc表示为判定值计算的偏差调节因子；

提取维名数据对应的判定值

，依据判定值

对维名数据进行从大到小的排序，得到维名排序数据，将维名排序数据进行热度提取划分，具体为：设定一个热度提取划分阈值，将热度提取划分阈值与维名排序数据进行匹配，将维名排序数据中排序在热度提取划分阈值之前的维名数据标定为热度提取数据；

依据提维数据选取对应的维分数据，依据维分数据选取对应的热度提取数据，将热度提取数据进行整合，整合得到热度提取数组，并对热度提取数组内的维名数据进行识别，当出现重复的维名数据时，则自动进行随机剔除，只保留其中一个维名数据，同时，将随机剔除后的热度提取数组标定为操作数组，生成提取传输信号，依据提取传输信号对操作数组进行提取传输。

Images