一种基于互联网金融信息的热点挖掘方法及系统技术方案

本发明专利技术提供一种基于互联网金融信息的热点挖掘方法及系统，能够有助于投资者根据挖掘出的热点话题追踪市场热点的发展过程。所述方法包括：从网络上抓取财经新闻；提取每篇新闻的特征向量；根据提取的特征向量进行聚类，得到多个新闻簇，其中，每个新闻簇对应一个热点；对每个新闻簇中的所有标题进行重要程度排序，并获取重要程度最高的标题来描述相应新闻簇中的热点话题。本发明专利技术涉及数据挖掘领域。

A Hotspot Mining Method and System Based on Internet Financial Information

【技术实现步骤摘要】
一种基于互联网金融信息的热点挖掘方法及系统
本专利技术涉及数据挖掘领域，特别是指一种基于互联网金融信息的热点挖掘方法及系统。
技术介绍
当今金融正处于信息化的时代，金融数据越来越丰富，如何有效分析金融数据，充分发挥金融数据的商业价值，正是金融业迫切需要解决的问题。方兴未艾的数据挖掘技术，正是用于解决大规模数据的处理和有效利用的问题。数据挖掘是指从大型数据库中提取人们感兴趣的知识，这些知识是隐含的、事先不知的、潜在有用的信息。这些被揭示出的有用的信息，可以为决策、市场策划和金融预测等方面提供依据。网络信息资源是一种数字化资源，与非网络信息资源相比有其独特的特点：1)数量庞大、增长迅速：互联网是一个集各种信息资源为一体的资源网，由于政府、机构、企业、个人随时都可以在网上发布信息，因此网络资源增长迅速，成为无所不有的庞杂信息源，并具有跨区域、分布广、多语种、高度共享的特点，因此金融领域的热点信息往往蕴含其中；2)内容丰富、覆盖面广：网络信息资源几乎是无所不包，而且类型丰富多样，覆盖了不同学科、不同领域、不同地区、不同语言的信息，在形式上包括文本、图像、声音、软件、数据库等，看成多媒体、多语本文档来自技高网...

【技术保护点】
1.一种基于互联网金融信息的热点挖掘方法，其特征在于，包括：从网络上抓取财经新闻；提取每篇新闻的特征向量；根据提取的特征向量进行聚类，得到多个新闻簇，其中，每个新闻簇对应一个热点；对每个新闻簇中的所有标题进行重要程度排序，并获取重要程度最高的标题来描述相应新闻簇中的热点话题。

【技术特征摘要】
1.一种基于互联网金融信息的热点挖掘方法，其特征在于，包括：从网络上抓取财经新闻；提取每篇新闻的特征向量；根据提取的特征向量进行聚类，得到多个新闻簇，其中，每个新闻簇对应一个热点；对每个新闻簇中的所有标题进行重要程度排序，并获取重要程度最高的标题来描述相应新闻簇中的热点话题。2.根据权利要求1所述的基于互联网金融信息的热点挖掘方法，其特征在于，所述从网络上抓取财经新闻包括：通过聚焦网络爬虫，从网络上抓取与预先定义的财经主题相关的网络页面。3.根据权利要求1所述的基于互联网金融信息的热点挖掘方法，其特征在于，在提取每篇新闻的特征向量之前，所述方法还包括:对每篇新闻内容使用结巴分词法进行分词和词性筛选。4.根据权利要求3所述的基于互联网金融信息的热点挖掘方法，其特征在于，所述对每篇新闻内容使用结巴分词法进行分词和词性筛选包括：对新闻内容进行清洗，其中，清洗包括：去重、时间段过滤；基于预先构建的用户词词典，对清洗后的新闻内容文本进行结巴分词并进行词性标注；基于预先构建的停用词词典、消除歧义词词典和保留单字词典，过滤掉对话题无关且不影响聚类准确性的词，筛选出具备目标词性的词，其中，所述目标词性包括：名词、动词和简称词性。5.根据权利要求3所述的基于互联网金融信息的热点挖掘方法，其特征在于，所述提取每篇新闻的特征向量包括：根据词性筛选结果，通过词频-逆文本频率算法提取每篇新闻的特征向量。6.根据权利要求1所述的基于互联网金融信息的热点挖掘方法，其特征在于，所述提取每篇新闻的特征向量包括：根据提取的特征...

【专利技术属性】
技术研发人员：黄仔琪，孙振起，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：北京,11