一种网络热点的挖掘方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114138968A(43)申请公布日2022.03.04(21)申请号202111485863.9(22)申请日2021.12.07(71)申请人腾讯科技（深圳）有限公司地址518064广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人徐灿杨迪刘绩刚(74)专利代理机构深圳市深佳知识产权代理事务所(普通合伙)44285代理人石翰林(51)Int.Cl.G06F16/335(2019.01)G06F16/35(2019.01)G06F40/194(2020.01)G06F40/279(2020.01)权利要求书3页说明书19页附图12页(54)发明名称一种网络热点的挖掘方法、装置、设备及存储介质(57)摘要本申请实施例公开了一种网络热点的挖掘方法、装置、设备及存储介质，相关实施例可应用于云技术、人工智能以及智慧交通等各种场景，用于提高发现网络热点的准确性。本申请实施例方法包括：从原始文本数据中获取目标时段对应的基础文本数据、第一历史时段对应的第一文本数据以及第二历史时段对应的第二文本数据，根据选词条件从基础文本数据、第一文本数据以及第二文本数据中确定若干个目标突发词,从基础文本数据中获取包含有至少一个目标突发词的候选文本数据,对候选文本数据进行文本聚合处理，得到若干个目标文本类以及每个目标文本类中的若干个文本,根据目标文本类中的若干个目标文本生成主题词语，并将主题词语作为网络热点。CN114138968ACN114138968A权利要求书1/3页1.一种网络热点的挖掘方法，其特征在于，包括：从原始文本数据中获取目标时段对应的基础文本数据、第一历史时段对应的第一文本数据以及第二历史时段对应的第二文本数据，其中，所述第一历史时段为历史日期中与所述目标时段为相同时间段的且相同时长的若干个时间段，所述第二历史时段为目标日期内所述目标时段之前的相同时长的若干个时间段；根据选词条件从所述基础文本数据、所述第一文本数据以及所述第二文本数据中确定若干个目标突发词；从所述基础文本数据中获取包含有至少一个所述目标突发词的候选文本数据；对所述候选文本数据进行文本聚类，得到若干个目标文本类以及每个所述目标文本类中的若干个文本；根据所述目标文本类中的若干个目标文本生成主题词语，并将所述主题词语作为所述网络热点，其中，所述主题词语用于表示所述目标文本类的主题类型。2.根据所述权利要求1所述的方法，其特征在于，所述从所述原始文本数据中获取目标时段对应的基础文本数据、第一历史时段对应的第一文本数据以及第二历史时段对应的第二文本数据，包括：将所述原始文本数据输入至文本识别模型，通过所述文本识别模型输出文本概率；根据所述文本概率对所述原始文本数据进行文本过滤，得到第一过滤文本数据；对所述第一过滤文本数据进行所述文本聚类，得到若干个基础文本类以及每个所述基础文本类中的若干个文本；根据文本数量阈值分别对每个所述基础文本类中的若干个文本进行所述文本过滤，得到第二过滤文本数据；按照时间维度，从所述第二过滤文本数据中获取所述基础文本数据、所述第一文本数据以及所述第二文本数据。3.根据所述权利要求2所述的方法，其特征在于，所述根据文本数量阈值分别对每个所述基础文本类中的若干个文本进行文本过滤，得到第二过滤文本数据，包括：对每个所述基础文本类中的若干个文本进行对象分组，得到每个目标对象对应的若干个文本；将文本数量大于第一文本数量阈值的所述每个目标对象对应的若干个文本进行所述文本过滤，得到若干个过滤文本；对所述若干个过滤文本进行目标主题分组，得到每个目标主题对应的若干个文本；将文本数量大于第二文本数量阈值的所述每个目标主题对应的若干个文本进行所述文本过滤，得到所述第二过滤文本数据。4.根据所述权利要求1所述的方法，其特征在于，所述根据选词条件从所述基础文本数据、所述第一文本数据以及所述第二文本数据中确定若干个目标突发词，包括：根据第一选词条件从所述基础文本数据以及所述第一文本数据中确定第一突发词集；根据第二选词条件从所述基础文本数据以及所述第二文本数据中确定第二突发词集；将所述第一突发词集与所述第二突发词集的交集中的词语作为所述若干个目标突发词。5.根据所述权利要求4所述的方法，其特征在于，所述根据第一选词条件从所述基础文2CN114138968A权利要求书2/3页本数据以及所述第一文本数据中确定第一突发词集，包括：计算所述第一文本数据的均值和标准差，并根据所述均值和标准差确定第一候选指标；获取所述第一文本数据的下四分位数和上四分位数，并根据所述四分位数和所述上四分位数确定第二候选指标；根据所述第一候选指标以及所述第二候选指标，从所述基础文本数据中筛选出若干个第一候选词，得到所述第一突发词