本发明专利技术公开了一种微博热点话题挖掘装置及方法。该装置包括：采集模块，适于通过开放接口采集微博信息，其中，微博信息包括：微博内容、以及微博参数；抽取模块，适于对采集的微博内容进行分词，并抽取出热门关键词组；计算模块，适于对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；排序模块，适于对热门关键词组的热度值进行排序，获取微博热点话题排行。借助于本发明专利技术的技术方案，能够准确地判断出微博的热门话题，使挖掘结果更能反映互联网舆论的客观事实。
【技术实现步骤摘要】
本专利技术涉及互联网通信领域，特别是涉及一种。
技术介绍
在现有技术中，随着互联网的发展，微博成为人们获取信息、交流信息的重要渠道，大量网民在微博中发表自己的意见和爆料各类新闻，每天有成千上万的话题从微博上产生，如何更快速的从微博海量信息中获取网民热点将对了解社会发展形势、掌握舆论动态起到指导性作用。目前普遍采用的微博热点挖掘方法是通过对特定时间段内微博话题下的微博数量进行对比，通过数量排序得到最热微博话题，微博数量越多说明话题越活跃。但是，上述 技术方案存在以下问题由于上述技术方案仅对单一话题的微博数量进行统计，因此容易对水军暴力发布的话题误判为热点话题；并且，上述技术方案没有考虑为微博转发数和微博评论数对微博话题的因素，导致有些评论热烈的微博话题被忽略，此外，上述技术方案也没有考虑微博认证用户(即，加V用户)的因素，认证用户参与越多的事件越是热门话题，综上，现有技术中的上述技术方案并不能够全面准确的挖掘出微博热点话题。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的。本专利技术提供一种微博热点话题挖掘装置，包括采集模块，适于通过开放接口采集微博信息，其中，微博信息包括微博内容、以及微博参数；抽取模块，适于对采集的微博内容进行分词，并抽取出热门关键词组；计算模块，适于对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；排序模块，适于对热门关键词组的热度值进行排序，获取微博热点话题排行。可选地，采集模块进一步适于通过一门户微博指定的开放接口采集该门户微博的微博信息。可选地，上述装置还包括分类模块，适于根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。可选地，上述抽取模块进一步适于对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组。可选地，上述抽取模块进一步适于从采集的各微博类别下的微博内容中提取一个或多个中心词；对从同一微博内容中提取的中心词进行排序，并将排序后的中心词进行组合，获取中心词组；统计各微博类别下每个中心词组所涉及的微博数量，并根据微博数量从中心词组中抽取出各微博类别下的热门关键词组。可选地，上述抽取模块进一步包括过滤子模块，适于根据垃圾词组数据库从中心词组中过滤垃圾词组。可选地，上述计算模块进一步适于对同一微博类别下涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取各微博类别下热门关键词组的热度值。可选地，上述微博参数进一步包括以下一种或几种组合微博总转发数、微博总评论数、微博认证用户转发数、以及微博认证用户评论数。可选地，上述计算模块进一步适于根据以下公式分别获取各微博类别下热门关键词组的热度值热门关键词组的热度值=涉及热门关键词组的微博数量*微博数量权重系数+微博总转发数*总转发数权重系数+微博总评论数*总评论数权重系数+微博认证用户转发数*认证用户转发数权重系数+微博认证用户评论数*认证用户评论数权重系数。 可选地，上述排序模块进一步适于对各微博类别下热门关键词组的热度值进行降序排序，分别获取各微博类别下的微博热点话题排行、以及总的微博热点话题排行。可选地，上述装置还包括获取模块，适于获取微博热点话题排行中每个微博热点话题所涉及的微博内容；显示模块，适于根据用户请求或者主动向用户显示相应微博热点话题所涉及的微博内容。本专利技术还提供了一种微博热点话题挖掘方法，包括通过开放接口采集微博信息，其中，微博信息包括微博内容、以及微博参数；对采集的微博内容进行分词，并抽取出热门关键词组；对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值；对热门关键词组的热度值进行排序，获取微博热点话题排行。可选地，上述采集微博信息进一步包括通过一门户微博指定的开放接口采集该门户微博的微博信息。可选地，采集微博信息之后，上述方法还包括根据采集的微博内容采用自动聚类的方法对微博进行分类，获取不同的微博类别。可选地，上述对采集的微博内容进行分词，并抽取出热门关键词组进一步包括对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组。可选地，上述对采集的各微博类别下的微博内容分别进行分词，并分别抽取出各微博类别下的热门关键词组进一步包括从采集的各微博类别下的微博内容中提取一个或多个中心词；对从同一微博内容中提取的中心词进行排序，并将排序后的中心词进行组合，获取中心词组；统计各微博类别下每个中心词组所涉及的微博数量，并根据微博数量从中心词组中抽取出各微博类别下的热门关键词组。可选地，将排序后的中心词进行组合，获取中心词组之后，上述方法还包括根据垃圾词组数据库从中心词组中过滤垃圾词组。可选地，上述对涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取热门关键词组的热度值进一步包括对同一微博类别下涉及热门关键词组的微博数量进行统计，并根据微博数量、以及相应微博的微博参数进行加权计算，获取各微博类别下热门关键词组的热度值。可选地，上述微博参数进一步包括以下一种或几种组合微博总转发数、微博总评论数、微博认证用户转发数、以及微博认证用户评论数。可选地，上述根据微博数量、以及相应微博的微博参数进行加权计算，获取各微博类别下热门关键词组的热度值进一步包括根据以下公式分别获取各微博类别下热门关键词组的热度值热门关键词组的热度值=涉及热门关键词组的微博数量*微博数量权重系数+微博总转发数*总转发数权重系数+微博总评论数*总评论数权重系数+微博认证用户转发数*认证用户转发数权重系数+微博认证用户评论数*认证用户评论数权重系数。可选地，上述对热门关键词组的热度值进行排序，获取微博热点话题排行进一步包括对各微博类别下热门关键词组的热度值进行降序排序，分别获取各微博类别下的微博热点话题排行、以及总的微博热点话题排行。可选地，获取微博热点话题排行之后，上述方法还包括获取微博热点话题排行中每个微博热点话题所涉及的微博内容；根据用户请求或者主动向用户显示相应微博热点话题所涉及的微博内容。·本专利技术有益效果如下通过根据采集的微博内容进行热词计算，并根据获取的微博参数对计算出的热词进行热度计算，从而能够准确地判断出微博的热门话题，使挖掘结果更能反映互联网舆论的客观事实。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中图I是本专利技术一个实施例的微博热点话题挖掘装置的结构示意图；图2是本专利技术一个实施例的抽取模块的处理流程的示意图；图3是本专利技术一个实施例的微博参数和权重系数对应关系的示意图；图4是本专利技术一个实施例的微博热点话题挖掘方法的流程图。具体实施例方式下面将参照附图更详本文档来自技高网...
【技术保护点】
一种微博热点话题挖掘装置，其特征在于，包括：采集模块，适于通过开放接口采集微博信息，其中，所述微博信息包括：微博内容、以及微博参数；抽取模块，适于对采集的所述微博内容进行分词，并抽取出热门关键词组；计算模块，适于对涉及所述热门关键词组的微博数量进行统计，并根据所述微博数量、以及相应微博的微博参数进行加权计算，获取所述热门关键词组的热度值；排序模块，适于对所述热门关键词组的热度值进行排序，获取微博热点话题排行。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘晓丽，林英杰，
申请(专利权)人：北京奇虎科技有限公司，奇智软件北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。