一種事件跟蹤方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種事件跟蹤方法及系統(tǒng)，適用于輿情信息處理。所述方法包括獲取與事件相關(guān)的文檔；根據(jù)所獲取的文檔數(shù)量確定所述事件的階段個(gè)數(shù)；以及根據(jù)內(nèi)容的相似程度對(duì)所獲取的文檔進(jìn)行聚類，得到與所述事件的每個(gè)階段對(duì)應(yīng)的文檔簇，其中文檔簇的總數(shù)與所述事件的階段個(gè)數(shù)相同。本發(fā)明無(wú)需人工參與，可以自動(dòng)地進(jìn)行事件跟蹤并輸出結(jié)果。與人工整理所耗費(fèi)的人力和財(cái)力相比，節(jié)省了成本，并且提高了事件跟蹤的效率與準(zhǔn)確度。
【專利說(shuō)明】一種事件跟蹤方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及網(wǎng)絡(luò)信息處理【技術(shù)領(lǐng)域】，尤其涉及一種適用于輿情信息系統(tǒng)的事件跟蹤方法及系統(tǒng)。
【背景技術(shù)】
[0002]在輿情信息處理過(guò)程中，事件跟蹤是非常重要的一個(gè)環(huán)節(jié)?，F(xiàn)有的事件跟蹤方法通常需要大量的人工參與，包括:對(duì)大量的文本信息進(jìn)行搜集，確定某個(gè)具體事件下的文檔列表；對(duì)搜集到的文檔列表進(jìn)行分割，選出事件的各個(gè)階段；以及，按照時(shí)間進(jìn)行排序，以顯示一個(gè)完整的事件過(guò)程。
[0003]然而，在實(shí)際的輿情信息系統(tǒng)中，需要對(duì)大量的事件同時(shí)進(jìn)行監(jiān)控，其往往涉及海量的文本信息，傳統(tǒng)的人工參與的方式需要大量的人力和財(cái)力。此外，輿情分析人員從搜集數(shù)據(jù)到制作一個(gè)完整的事件跟蹤需要較長(zhǎng)的周期，容易導(dǎo)致事件跟蹤結(jié)果的不及時(shí)和不全面。因此，當(dāng)前迫切需要一種事件跟蹤方法，其能夠自動(dòng)地對(duì)事件進(jìn)行跟蹤，以輔助輿情信息處理，同時(shí)提高事件跟蹤的效率和準(zhǔn)確性，且減少人工進(jìn)行事件跟蹤的成本。

【發(fā)明內(nèi)容】

[0004]為解決上述問(wèn)題，根據(jù)本發(fā)明的一個(gè)實(shí)施例，提供一種事件跟蹤方法，包括:
[0005]步驟I)、獲取與事件相關(guān)的文檔；
[0006]步驟2)、根據(jù)所獲取的文檔數(shù)量確定所述事件的階段個(gè)數(shù)；
[0007]步驟3)、根據(jù)內(nèi)容的相似程度對(duì)所獲取的文檔進(jìn)行聚類，得到與所述事件的每個(gè)階段對(duì)應(yīng)的文檔簇，其中文檔簇的總數(shù)與所述事件的階段個(gè)數(shù)相同。
[0008]上述方法中，在步驟2)中根據(jù)下式來(lái)確定事件的階段個(gè)數(shù):
[0009]
【權(quán)利要求】
1.一種事件跟蹤方法，包括: 步驟I)、獲取與事件相關(guān)的文檔； 步驟2)、根據(jù)所獲取的文檔數(shù)量確定所述事件的階段個(gè)數(shù)； 步驟3)、根據(jù)內(nèi)容的相似程度對(duì)所獲取的文檔進(jìn)行聚類，得到與所述事件的每個(gè)階段對(duì)應(yīng)的文檔簇，其中文檔簇的總數(shù)與所述事件的階段個(gè)數(shù)相同。
2.根據(jù)權(quán)利要求1所述的方法，在步驟2)中，根據(jù)下式來(lái)確定事件的階段個(gè)數(shù):
3.根據(jù)權(quán)利要求2所述的方法，其中m為20。
4.根據(jù)權(quán)利要求1-3中任何一個(gè)所述的方法，在步驟3)中，使用后綴樹(shù)聚類方法根據(jù)內(nèi)容的相似程度對(duì)所獲取的文檔進(jìn)行聚類。
5.根據(jù)權(quán)利要求1-3中任何一個(gè)所述的方法，其中，步驟3)還包括: 步驟a)、在每個(gè)文檔簇中，按照發(fā)布時(shí)間從新到舊排列文檔，選擇前k個(gè)文檔，其中，k為預(yù)先設(shè)定的正整數(shù)； 步驟b)、在每個(gè)文檔簇中，在所選擇的k個(gè)文檔中選取權(quán)威度最高的文檔作為代表文檔，其中，根據(jù)下式計(jì)算每個(gè)文檔簇中的每個(gè)文檔的權(quán)威度:
Authority = λ*DomainWeight+log(References) 其中，Authority表示文檔的權(quán)威度，Domainffeight是該文檔的URL所屬域名的權(quán)重，入是該文檔的URL和References的得分占比，References是該文檔被其他文檔轉(zhuǎn)載的次數(shù)。
6.根據(jù)權(quán)利要求5所述的方法，其中，步驟3)還包括: 對(duì)于每個(gè)文檔簇，在選擇其代表文檔之前，去除發(fā)布時(shí)間與該文檔簇的平均發(fā)布時(shí)間的差值超過(guò)預(yù)定閾值的文檔，其中，文檔簇的平均發(fā)布時(shí)間為該文檔簇中所有文檔的發(fā)布時(shí)間的平均值。
7.根據(jù)權(quán)利要求5所述的方法，其中，步驟b)之后還包括: 步驟c)、按照每個(gè)文檔簇的代表文檔的發(fā)布時(shí)間依次輸出P個(gè)代表文檔，其中，P是預(yù)先設(shè)定的將要顯示給用戶的事件階段數(shù)量。
8.根據(jù)權(quán)利要求1-3中任何一個(gè)所述的方法，其中，步驟I)包括: 檢索輿情信息系統(tǒng)中的內(nèi)部資源或者外部網(wǎng)絡(luò)資源，得到與事件相關(guān)的文檔。
9.根據(jù)權(quán)利要求1-3中任何一個(gè)所述的方法，其中，步驟I)還包括: 去除所獲取的文檔中的無(wú)效字符、標(biāo)簽以及停用詞。
10.根據(jù)權(quán)利要求1-3中任何一個(gè)所述的方法，其中，所述文檔的內(nèi)容包括文檔標(biāo)題或者文檔正文。
11.一種事件跟蹤系統(tǒng)，包括: 檢索設(shè)備，用于獲取與事件相關(guān)的文檔； 階段計(jì)算設(shè)備，用于根據(jù)所獲取的文檔數(shù)量確定所述事件的階段個(gè)數(shù)；以及聚類設(shè)備，用于根據(jù)內(nèi)容的相似程度對(duì)所獲取的文檔進(jìn)行聚類，得到與所述事件的每個(gè)階段對(duì)應(yīng)的文 檔簇，其中文檔簇的總數(shù)與所述事件的階段個(gè)數(shù)相同。
【文檔編號(hào)】G06F17/30GK103995849SQ201410190542
【公開(kāi)日】2014年8月20日 申請(qǐng)日期:2014年5月7日 優(yōu)先權(quán)日:2014年5月7日
【發(fā)明者】史忠植, 王偉, 齊保元, 張博, 張建華, 岳金朋 申請(qǐng)人:中國(guó)科學(xué)院計(jì)算技術(shù)研究所, 北京聯(lián)索科技有限公司