一种微博热点事件的地理位置发现方法技术

本发明专利技术公开了一种微博热点事件的地理位置发现方法。本方法为：1)基于行政区规划地理词词典及中文简称词的命名规则构建一简称词词典，然后将该简称词词典与全称词词典进行关联；2)根据事件关键字，获取包含该事件关键字的微博信息；3)对获取的微博信息进行分词处理，得到该微博的分词集合，然后判断该分词集合中每一名词是否在该简称词词典或全称词词典中，如果存在则将该名词作为候选地理位置词保留；当该微博中出现多个候选地理位置词时，则选取一候选地理位置词作为该微博的地点；4)获取确定的每一地点的地理位置经纬度信息，然后对得到的地理位置经纬度信息进行聚类，根据聚类中心判断出事件爆发地点。本方法可更好的了解突发事件。

【技术实现步骤摘要】

本专利技术涉及一种微博热点事件的地理位置发现方法，特别是群体事件的定位，具有较高的准确度。
技术介绍
微博，即微博客(Micro-blog),作为Web2.0的产物，是一个基于用户关系信息分享、传播以及获取的平台，用户可以通过WEB、WAP等客户端组建个人社区，以最多140字左右的文字更新信息，并实现即时分享。微博作为一种新型的社交传播媒体，发展迅猛，具有传播速度快、互动性强、信息更新方便等特点，已经开始对社会生活产生巨大影响，并且为事件的发布、传播、扩散提供了更高效的途径。比起传统媒体，微博更可能占据信息发布的制高点，这点在突发热点事件中表现尤为突出。例如2013年4月雅安地震爆发1分钟内就有微博用户发布相关地震信息。而在随后的将近一小时内，有1300余条微博发出了雅安发生较为剧烈地震的微博。而国家官方网站第一次发布该信息是在15分钟之后。具相关资料统计90％以上的热点事件往往与地理位置密切相关，当事件发生并被广泛传播时事件的常用第一定语就是地理位置信息，如汶川地震，哈尔滨火灾本文档来自技高网...

【技术保护点】
一种微博热点事件的地理位置发现方法，其步骤为：1)基于行政区规划地理词词典及中文简称词的命名规则构建一简称词词典，然后将该简称词词典与全称词词典进行关联；2)根据事件关键字，获取包含该事件关键字的微博信息；3)对步骤2)获取的每一微博信息进行分词处理，得到该微博的分词集合，然后判断该分词集合中每一名词是否在该简称词词典或全称词词典中，如果存在，则将该名词作为候选地理位置词保留；当该微博中出现多个候选地理位置词时，则选取一候选地理位置词作为该微博的地点；4)获取步骤3)确定的每一地点的地理位置经纬度信息，然后对得到的地理位置经纬度信息进行聚类，根据聚类中心判断出事件爆发的地点。

【技术特征摘要】
1.一种微博热点事件的地理位置发现方法，其步骤为：
1)基于行政区规划地理词词典及中文简称词的命名规则构建一简称词词典，然后将该
简称词词典与全称词词典进行关联；
2)根据事件关键字，获取包含该事件关键字的微博信息；
3)对步骤2)获取的每一微博信息进行分词处理，得到该微博的分词集合，然后判断该
分词集合中每一名词是否在该简称词词典或全称词词典中，如果存在，则将该名词作为候
选地理位置词保留；当该微博中出现多个候选地理位置词时，则选取一候选地理位置词作
为该微博的地点；
4)获取步骤3)确定的每一地点的地理位置经纬度信息，然后对得到的地理位置经纬度
信息进行聚类，根据聚类中心判断出事件爆发的地点。
2.如权利要求1所述的方法，其特征在于，构建所述简称词词典的方法为：
a)对于以自治区、自治州、自治县、自治旗为后缀的地理全称词，先匹配地理全称词的
后缀，再匹配民族，然后将剩余部分作为该地理全称词的简称词；
b)对于以省、市、区、州、县、镇、村为后缀的地理全称词，先匹配地理全称词的后缀，然
后将剩余部分作为该地理全称词的简称词；
c)对于字数小于2的地理全称词，直接将该地理全称词作为其简称词。
3.如权利要求1或2所述的方法，其特征在于，对于分词集合集合中未出现在该简称词
词典或全称词词典中的分词进一步判断是否为候选地理位置词，其方法为：
a)创建一hash表：以全称词词典中的每一全称词首字作为关键字，将所有以该关键字
为首字的全称词集合作为该关键字的键值value；
b)遍历每一value中的全称词，判断全称词是否包含当前待检查分词中的每一字，若全
部包含则判断该名词为简称词，并分配一id号与对应全称词进行关联，补充到简称词库中；
同时将该分词作为一候选地理位置词。
4.如权利要求1或2所述的方法，其特征在于，对每一分词集合进行过滤，过滤掉所有的
非名词词性的词。
5.如...

【专利技术属性】
技术研发人员：敖吉，牛温佳，曹亚男，张鹏，乔治，谭建龙，郭莉，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京;11