热点事件挖掘方法及装置、设备和介质与流程

1.本公开涉及数据处理技术领域，尤其涉及大数据、人工智能技术领域，具体涉及一种热点事件挖掘方法、装置、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.随着信息技术的发展，人们获取信息的渠道越来越多，获取的信息量也越来越大，人们对于热点事件的关注程度与日俱增，如何快速获取社会资讯、社会要闻成为用户的迫切需求。然而，大量无组织的信息给用户获取信息带来极大的障碍，使得用户越来越难以有效获取感兴趣的事件，进而造成互联网产品的口碑下降、用户流失。因此，如何从海量事件中获取热点事件成为大数据时代吸引用户、留住用户的重要一环。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种热点事件挖掘方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种热点事件挖掘方法，包括：获取多个原始文档；针对每一个原始文档，获取该原始文档所包括的至少一个关键词；基于所述多个原始文档各自所包括的多个关键词，获取至少一个关键词频繁项集；基于至少一个关键词频繁项集，从所述多个原始文档中确定多个初筛文档；至少基于所述多个初筛文档各自所包括的多个关键词，构造事件图；基于所述事件图，获取至少一个事件簇；以及基于所述至少一个事件簇，确定热点事件列表。
7.根据本公开的另一方面，提供了一种热点事件挖掘装置，包括：第一获取单元，被配置用于获取多个原始文档；第二获取单元，被配置用于针对每一个原始文档，获取该原始文档所包括的至少一个关键词；第三获取单元，被配置用于基于所述多个原始文档各自所包括的多个关键词，获取至少一个关键词频繁项集；第一确定单元，被配置用于基于至少一个关键词频繁项集，从所述多个原始文档中确定多个初筛文档；构造单元，被配置用于基于所述多个初筛文档各自所包括的多个关键词，构造事件图；第四获取单元，被配置用于基于所述事件图，获取至少一个事件簇；以及第二确定单元，被配置用于基于所述至少一个事件簇，确定热点事件列表。
8.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述热点事件挖掘方法。
9.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述热点事件挖掘方法。
10.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时能够实现上述热点事件挖掘方法。
11.根据本公开的一个或多个实施例，可以提升热点事件挖掘的准确度和效率。
12.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
13.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
14.图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
15.图2示出了根据本公开示例性实施例的热点事件挖掘方法的流程图；
16.图3示出了根据本公开示例性实施例的fp-growth频繁项集挖掘算法中的树形数据结构示意图；
17.图4示出了根据本公开示例性实施例的热点事件挖掘方法的过程示意图；
18.图5示出了根据本公开示例性实施例的热点事件挖掘方法的流程图；
19.图6示出了根据本公开示例性实施例的热点事件挖掘装置的结构框图；
20.图7示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
21.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
22.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
23.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
33.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
34.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
35.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
36.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
37.在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
38.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
39.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
40.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
41.图2示出了根据本公开示例性实施例的热点事件挖掘方法方法的流程图。如图2所示，所述方法包括：步骤s201、获取多个原始文档；步骤s202、针对每一个原始文档，获取该原始文档所包括的至少一个关键词；步骤s203、基于所述多个原始文档各自所包括的多个关键词，获取至少一个关键词频繁项集；步骤s204、基于至少一个关键词频繁项集，从所述多个原始文档中确定多个初筛文档；步骤s205、至少基于所述多个初筛文档各自所包括的多个关键词，构造事件图；步骤s206、基于所述事件图，获取至少一个事件簇；以及步骤s207、基于所述至少一个事件簇，确定热点事件列表。由此，能够利用文档中的关键词来表征文档内容特征，进而提升热点事件挖掘的准确度，并且基于关键词频繁项集作文档初筛，节省了热点事件挖掘所需的运算资源，同时提高效率。
42.示例性地，所述原始文档可以是媒体文章、新闻内容、特定网站的网页内容等。应当理解，每个原始文档的内容对应至少一个事件，并且该原始文档所包括的关键词能够表征其所对应的事件的主要内容。
43.示例性地，所述步骤s201中获取原始文档集可以是利用特定的计算机程序来自动实现的，例如，可以是根据预设的时间周期，自动爬取特定网站所发布的所有网页的内容。所述步骤s201也可以是通过人工实现的，对此不作限定。
44.示例性地，所述步骤s202中针对每一个原始文档，获取该原始文档所包括的至少一个关键词可以是利用textrank关键词提取算法实现的，也可以是利用其他类型的关键词获取策略，例如可以是lad算法、jieba分词方式等，对此不作限定。
45.根据一些实施例，所述原始文档包括至少一个内容模块，并且所述步骤s202中针对每一个原始文档，获取该原始文档所包括的至少一个关键词包括：针对所述原始文档中的每一个内容模块，基于该内容模块的位置，确定目标获取策略；以及利用所述目标获取策略，获取该内容模块中所包括的至少一个关键词。由此，能够针对文档中不同位置的内容，使用不同的关键词获取策略，充分考虑不同位置的文档内容所包含的有效信息的密度差异，提高利用关键词所表示的文档内容特征的准确性。
46.示例性地，所述原始文档所包括的内容模块可以包括文档首段、文档中段、文档末段。通常而言，文档首段和文档末段更可能是整个文档的摘要段，其中所包含的有效信息密度较高。因此，可以基于文档所包括的内容模块的位置，针对文档首段、文档末段和文档中段使用不同的关键词获取策略，从而能够更合理地配置运算资源，提升效率的同时提高利用关键词所表示的文档内容特征的准确性。
47.根据一些实施例，所述至少一个内容模块包括文档标题和文档正文，并且所述步骤s202中针对每一个原始文档，获取该原始文档所包括的至少一个关键词包括：针对所述原始文档所包括的文档标题，确定第一获取策略为目标获取策略，并利用所述第一获取策略获取其中所包括的至少一个标题关键词；针对所述原始文档所包括的文档正文，确定不同于所述第一获取策略的第二获取策略为目标获取策略，并利用所述第二获取策略获取其中所包括的至少一个正文关键词；以及基于所述至少一个标题关键词和所述至少一个正文关键词，确定该原始文档所包括的至少一个关键词。由此，能够针对文档标题和文档内容所包含的有效信息的密度差异，使用不同的关键词获取策略获取其各自所包括的关键词，从
而能够提高利用关键词所表示的文档内容特征的准确性。
48.示例性地，所述第一获取策略可以是jieba分词方式，从而能够充分利用文档标题对文档内容语义的高度概括表示，提取其中所包括的实体词，以更加高效准确地表示文档内容特征。示例性地，所述第二获取策略可以是textrank关键词提取算法。通常而言，文档内容中包含较多的描述性、铺垫性信息，其所包含的有效信息密度较低，利用textrank关键词提取算法能够充分过滤和筛选其中所包含的有效信息，丢弃无效信息，进而节省热点事件挖掘所占用的运算资源，提升效率。
49.示例性地，所述步骤s203中，可以是利用fp-growth算法来基于多个原始文档各自所包括的多个关键词，获取至少一个关键词频繁项集，但不限于此，例如，也可以是利用apriori算法或eclat算法来获取关键词频繁项集。
50.根据一些实施例，所述方法还包括：针对每一个原始文档所包括的每一个关键词，基于该关键词在该原始文档中的位置和/或该关键词的词性，确定该关键词相应的权重系数，并且所述步骤s203中，基于所述多个原始文档各自所包括的多个关键词以及每一个关键词相应的权重系数，获取至少一个关键词频繁项集。由此，能够基于关键词的位置和/或词性为其赋予权重系数，使每个文档对应的多个关键词能够更准确地表征文档内容特征。
51.示例性地，当所述原始文档包括文档标题和文档内容时，可以是基于关键词在原始文档中的位置，为文档标题中的关键词和文档内容中的关键词赋予不同的权重系数。应当理解，文档标题所包含的有效信息密度通常高于文档内容，因此，通过为文档标题中的关键词赋予更高的权重系数，并基于此进行关键词频繁项集挖掘，能够得到更准确的关键词频繁项集。
52.示例性地，还可以是基于关键词的词性，为原始文档所包括的每个关键词赋予不同的权重系数。例如，可以是为实体名词型关键词和动词型关键词赋予不同的权重系数，从而能够充分利用不同词性的关键词所能够表征的有效信息密度的差异，进而提升关键词频繁项集挖掘的准确性。
53.以下将结合示例，进一步描述本公开示例性实施例。
54.在一个示例中，所述多个原始文档包括十个原始文档，并且其中每个原始文档所包括的多个关键词以及每一个关键词相应的权重系数如表1所示。表1中的数据可以是通过对原始文档及其所包括的多个关键词以及每一个关键词相应的权重系数进行遍历得到的。
55.表1：
56.[0057][0058]
当m＝1.8、n＝1.5时，则可以在fp-growth算法的基础上，进一步基于表1中的关键词及其相应的权重系数进行频繁项集挖掘。示例性地，可以首先基于每个关键词相应的权重系数来计算该关键词的支持度并基于每个关键词的支持度降序排序来建立如表2所示的项头表。
[0059]
表2：
[0060]
关键词支持度b11.2a11c9d4.8e4.5
[0061]
在一些示例中，基于表2所示的项头表，能够实现关键词的筛选，例如，可以是将支持度最低的关键词e丢弃，以提升关键词频繁项集挖掘的效率和准确度。
[0062]
示例性地，可以再次遍历表1中的数据，并基于表2所示的项头表中的关键词排列顺序对表1中各个原始文档所包括的关键词进行排序，并基于排序结果，将每个原始文档所包括的关键词添加到以空节点为根节点的树形数据结构上，以得到如图3所示的树形数据结构，即fp树。进一步地，则可基于fp树，挖掘得到项头表中的每一项关键词的条件模式基，即以该项关键词对应的节点作为叶子节点所对应的fp子树，从而递归挖掘得到关键词频繁项集。相应地，所述关键词的条件模式基中各节点的支持度可以是基于相应的关键词的权重系数来计算得到的，并且可以根据实际需要，基于节点的支持度实现筛选。
[0063]
因此，基于每个关键词相应的权重系数来计算该关键词的支持度，能够使每个关键词的支持度更准确地指示该关键词所能够表征的文档内容特征的准确度和重要性，从而能够更精准高效地获取关键词频繁项集，进而提升热点事件挖掘的准确度。
[0064]
示例性地，所述步骤s204中基于至少一个关键词频繁项集，从所述多个原始文档中确定多个初筛文档可以包括：针对所述多个原始文档中每个原始文档，响应于该原始文档包括至少一个关键词频繁项集，将该原始文档确定为初筛文档。由此，能够基于关键词频繁项集作文档初筛，仅针对初筛文档构造事件图并挖掘事件簇，从而能够节省了热点事件挖掘所需的运算资源，有效提高效率。
[0065]
根据一些实施例，所述步骤s205中构造事件图包括：针对所述多个初筛文档中的
任意两个初筛文档，响应于所述任意两个初筛文档各自所包括的多个关键词满足第一预设条件，以所述两个初筛文档为顶点建立事件图的边。由此，能够利用两个文档各自对应的多个关键词来表征两个文档内容之间的关联度，并基于此构造事件图，提高准确度。
[0066]
示例性地，所述响应于所述任意两个初筛文档各自所包括的多个关键词满足第一预设条件，以所述两个初筛文档为顶点建立事件图的边可以包括：将所述任意两个初筛文档各自所包括的多个关键词输入关联度预测模型，并获取所述关联度预测模型所输出的关联度预测结果；响应于所述关联度预测结果高于预设阈值，以所述两个初筛文档为顶点建立事件图的边。
[0067]
示例性地，所述关联度预测模型可以是通过以下步骤训练得到的：获取两个样本文档各自所包括的多个关键词；基于所述两个样本文档各自所包括的多个关键词，计算所述两个样本文档的关联度真实结果；将所述两个样本文档各自所包括的多个关键词输入关联度预测模型，并获取所述关联度预测模型所输出的关联度预测结果；基于所述关联度真实结果和关联度预测结果，计算损失值；以及基于所述损失值调整所述关联度预测模型的参数。由此，能够基于文档所包括的关键词，利用关联度预测模型获取相应文档的关联度，并基于此构造事件图，更加便捷准确。
[0068]
根据一些实施例，所述响应于所述任意两个初筛文档各自所包括的多个关键词满足第一预设条件，以所述两个初筛文档为顶点建立事件图的边包括：响应于所述任意两个初筛文档各自所包括的多个关键词的交集满足第二预设条件，以所述任意两个初筛文档为顶点建立事件图的边。由此，能够利用任意两个初筛文档各自所包括的多个关键词的交集来表征两个文档内容之间的关联度，并基于此构造事件图，提高准确度。
[0069]
示例性地，所述响应于所述任意两个初筛文档各自所包括的多个关键词的交集满足第二预设条件，以所述任意两个初筛文档为顶点建立事件图的边可以包括：响应于所述两个初筛文档各自所包括的多个关键词的交集所包括的关键词的个数与所述两个初筛文档各自所包括的关键词的个数的比值均大于预设阈值，以所述任意两个初筛文档为顶点建立事件图的边。
[0070]
在一个示例中，所述两个初筛文档分别包括8个和10个关键词，当预设阈值为0.5时，也就是说，当所述两个初筛文档各自所包括的多个关键词的交集所包括的关键词的个数与8和10的比值均大于0.5时，则可以所述任意两个初筛文档为顶点建立事件图的边。由此，能够更加简捷高效地确定建立事件图的边的条件，提升热点事件挖掘的效率和准确度。
[0071]
根据一些实施例，当每一个初筛文档所包括的每一个关键词具有相应的权重系数时，所述响应于所述任意两个初筛文档各自所包括的多个关键词的交集满足第二预设条件，以所述两个初筛文档为顶点建立事件图的边包括：针对所述任意两个初筛文档所包括的多个关键词的交集，计算其中所包括的每个关键词相应的权重系数的总和；以及响应于任意两个初筛文档所包括的多个关键词的交集中所包括的每个关键词相应的权重系数的总和大于预设阈值，以所述两个初筛文档为顶点建立事件图的边。由此，能够充分考虑关键词权重系数，以此表示该关键词所能够表征的文档内容特征的准确度和重要性，从而能够更准确地表征任意两个初筛文档内容之间的关联度。
[0072]
在一个示例中，所述任意两个初筛文档包括文档a和文档b，并且所述文档a和文档b都包括文档标题和文档内容两个内容模块，其中每个原始文档所包括的关键词相应的权
重系数是根据该关键词在该原始文档中的位置和该关键词的词性确定的。针对文档中的关键词，可以根据其位置和词性赋予不同的权重系数，例如文档标题中的实体名词型关键词的权重系数为x，文档标题中的动词型关键词的权重系数为y，文档内容中的关键词的权重系数为z。进一步地，可以再设定文档标题中的关键词的权重系数为m，文档内容中的关键词的权重系数为n，并且限定m与n的和为1，以均衡文档标题和文档内容中的关键词的重要度。
[0073]
所述文档a和文档b中每个原始文档所包括的多个关键词如表3所示。
[0074]
表3：
[0075][0076]
可以看出，文档a和文档b的文档标题中关键词的交集为{b、c、d、e}，则其中所包括的每个关键词相应的权重系数的总和为(2x 2y)。文档a和文档b的文档内容中关键词的交集为{h、i}，则其中所包括的每个关键词相应的权重系数的总和为(2z)。进一步地，可以再设定文档标题中的关键词的权重系数为m，文档内容中的关键词的权重系数为n，并且限定m与n的和为1，以均衡文档标题和文档内容中的关键词的重要度。文档a的文档标题和文档b的文档内容中关键词的交集为{a、c}，则其中所包括的每个关键词相应的权重系数的总和为(2mx 2nz)。文档a的文档内容和文档b的文档标题中关键词的交集为{b、f}，则其中所包括的每个关键词相应的权重系数的总和为(2mx 2nz)。进一步地，计算上述各个类型的交集所包括的每个关键词相应的权重系数的总和，则可基于此确定是否以所述两个初筛文档为顶点建立事件图的边。
[0077]
根据一些实施例，所述步骤s205中构造事件图包括：针对所述多个初筛文档中的任意两个初筛文档，响应于所述任意两个初筛文档包含同一个关键词频繁项集，以所述两个初筛文档为顶点建立事件图的边。由此，能够利用任意两个初筛文档各自所包含的关键词频繁项集来表征两个文档内容之间的关联度，并基于此构造事件图，提高准确度。
[0078]
示例性地，还可以是根据多种前文所描述的实施例中的条件的组合来确定是否以任意两个初筛文档为顶点建立事件图的边。例如，可以是响应于所述任意两个初筛文档各自所包括的多个关键词的交集满足第二预设条件，并且所述任意两个初筛文档包含同一个关键词频繁项集，两个条件同时满足时，以所述两个初筛文档为顶点建立事件图的边，从而能够更精准地表征任意两个初筛文档内容之间的关联度。
[0079]
根据一些实施例，所述初筛文档包括发布时间信息，并且所述步骤s205中构造事件图还包括：响应于所述事件图中所包括的初筛文档的发布时间满足第三预设条件，从所述事件图中删除该初筛文档相应的顶点和边。由此，能够实现事件图的动态调整，更合理地配置运算资源。
[0080]
示例性地，所述响应于所述事件图中所包括的初筛文档的发布时间满足第三预设条件，从所述事件图中删除该初筛文档相应的顶点和边可以包括：响应于所述事件图中所包括的初筛文档的发布时间与当前时间的差值大于预设阈值，从所述事件图中删除该初筛
文档相应的顶点和边。由此，能够实现提出事件图中过期的顶点和边，实现自动更新，从而能够避免事件图的规模持续增长，合理配置运算资源。
[0081]
示例性地，也可以是响应于所述事件图中所包括的初筛文档的发布时间处于预设时间段，从所述事件图中删除该初筛文档相应的顶点和边，从而能够实现人工干预事件图中的内容相应的时间段，根据实际需求实现事件图的动态调整。
[0082]
根据一些实施例，所述步骤s206中基于所述事件图，获取至少一个事件簇包括：基于社区发现算法，获取所述事件图所包括的至少一个事件簇。由此，能够高效、准确地获取事件图中的事件簇。
[0083]
示例性地，可以是利用基于模块度的louvain社区发现算法获取事件簇，但不限于此，例如，还可以是利用lpa算法、hanp算法、slpa算法等，对此不作限定。
[0084]
示例性地，也可以是基于其他类型的算法来获取事件图中的事件簇，例如，可以是利用联通子图算法来获取事件图中的事件簇。
[0085]
根据一些实施例，所述步骤s207中基于所述至少一个事件簇，确定热点事件列表包括：针对所述至少一个事件簇中的每一个事件簇，获取该事件簇所包括的至少一个顶点相应的初筛文档；以及基于所述至少一个事件簇中的每一个事件簇相应的至少一个初筛文档，确定热点事件列表。由此，能够根据事件簇索引相应的初筛文档，根据文档的信息确定热点事件，提高热点事件挖掘的准确度。
[0086]
示例性地，可以是根据事件簇索引相应的初筛文档，并根据文档的原始来源信息进一步确定热点事件。例如，当所述初筛文档为网页内容时，则可以根据该文档的原始来源网站的可信度来进一步确定热点事件，从而能够提高热点事件挖掘的准确度。
[0087]
进一步地，根据一些实施例，所述初筛文档包括文档热度信息，并且其中，基于所述至少一个事件簇中的每一个事件簇相应的至少一个初筛文档的文档热度信息，确定热点事件列表。由此，能够根据文档热度信息确定热点事件，提高热点事件挖掘的准确度。
[0088]
示例性地，当所述至少一个事件簇包括多个事件簇，则可以索引每一个事件簇所包括的各个顶点相应的初筛文档并获取其文档热度信息，所述文档热度信息例如可以包括该文档的阅读量、分发量信息。基于所述每一个事件簇所包括的各个顶点相应的初筛文档的文档热度信息，可以将文档热度高于一定阈值的初筛文档所对应的事件确定为热点事件，从而得到准确度更高的热点事件列表。
[0089]
根据一些实施例，当所述初筛文档包括文档热度信息时，所述方法还包括：基于所述至少一个事件簇中的每一个事件簇相应的至少一个初筛文档的文档热度信息，对所述至少一个初筛文档进行排序；以及基于所述至少一个初筛文档的排序结果，展示所述热点事件列表。由此，能够基于每一个事件簇相应的初筛文档的文档热度信息的排序结果来进行热点事件展示，从而能够向用户展示准确的热点事件榜，充分满足用户的需求。
[0090]
根据一些实施例，当所述初筛文档包括发布时间信息时，所述方法还包括：基于所述至少一个事件簇中的每一个事件簇相应的至少一个初筛文档的发布时间信息，对所述至少一个初筛文档进行排序；以及基于所述至少一个初筛文档的排序结果，展示所述热点事件列表。由此，能够基于每一个事件簇相应的初筛文档的发布时间信息的排序结果来进行热点事件展示，从而能够向用户展示准确的热点事件时间线，满足用户需求，提升用户体验。
[0091]
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
[0092]
图4示出了根据本公开示例性实施例的热点事件挖掘方法的过程示意图。图5示出了根据本公开示例性实施例的热点事件挖掘方法的流程图。
[0093]
如图5所示，所述热点事件挖掘方法包括：
[0094]
步骤s501、获取多个原始文档，所述多个原始文档中的每一个原始文档包括至少一个内容模块；
[0095]
步骤s502、针对每一个原始文档中的每一个内容模块，基于该内容模块的位置，确定目标获取策略；
[0096]
步骤s503、利用所述目标获取策略，获取该内容模块中所包括的至少一个关键词；
[0097]
步骤s504、针对每一个原始文档所包括的每一个关键词，基于该关键词在该原始文档中的位置和/或该关键词的词性，确定该关键词相应的权重系数；
[0098]
步骤s505、基于所述多个原始文档各自所包括的多个关键词以及每一个关键词相应的权重系数，获取至少一个关键词频繁项集；
[0099]
步骤s506、基于至少一个关键词频繁项集，从所述多个原始文档中确定多个初筛文档；
[0100]
步骤s507、至少基于所述多个初筛文档各自所包括的多个关键词，构造事件图；
[0101]
步骤s508、基于社区发现算法，获取所述事件图所包括的至少一个事件簇；
[0102]
步骤s509、针对所述至少一个事件簇中的每一个事件簇，获取该事件簇所包括的至少一个顶点相应的初筛文档；
[0103]
步骤s510、基于所述至少一个事件簇中的每一个事件簇相应的至少一个初筛文档的文档热度信息，确定热点事件列表；
[0104]
步骤s511、基于所述至少一个事件簇中的每一个事件簇相应的至少一个初筛文档的文档热度信息，对所述至少一个初筛文档进行排序；
[0105]
步骤s512、基于所述至少一个初筛文档的排序结果，展示所述热点事件列表。
[0106]
在这一示例中，所述原始文档所包括的内容模块包括文档标题和文档内容，从而能够充分利用文档标题和文档内容所包含的有效信息的密度差异，使用不同的关键词获取策略获取其各自所包括的关键词，合理配置运算资源，提升热点挖掘的效率，同时还能够提高利用关键词表示文档内容特征的准确性。
[0107]
根据本公开的另一方面，提供了一种热点事件挖掘装置。图6示出了根据本公开示例性实施例的热点事件挖掘装置600的结构框图。如图6所示，所述热点事件挖掘装置600包括：第一获取单元601，被配置用于获取多个原始文档；第二获取单元602，被配置用于针对每一个原始文档，获取该原始文档所包括的至少一个关键词；第三获取单元603，被配置用于基于所述多个原始文档各自所包括的多个关键词，获取至少一个关键词频繁项集；第一确定单元604，被配置用于基于至少一个关键词频繁项集，从所述多个原始文档中确定多个初筛文档；构造单元605，被配置用于基于所述多个初筛文档各自所包括的多个关键词，构造事件图；第四获取单元606，被配置用于基于所述事件图，获取至少一个事件簇；以及第二确定单元607，被配置用于基于所述至少一个事件簇，确定热点事件列表。热点事件挖掘装置600的的单元601-单元607的操作与前面描述的步骤s201-步骤s207的操作类似，在此不
作赘述。
[0108]
根据本公开的另一方面，还提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的热点事件挖掘方法。
[0109]
根据本公开的另一方面，还提供一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述的热点事件挖掘方法。
[0110]
根据本公开的另一方面，还提供一种计算机程序产品，包括计算机程序，其中，所述计算机程序再被处理器执行时实现上述的热点事件挖掘方法。
[0111]
参考图7，现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0112]
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
[0113]
设备700中的多个部件连接至i/o接口705，包括：输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向设备700输入信息的任何类型的设备，输入单元706可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
[0114]
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如热点事件挖掘方法。例如，在一些实施例中，热点事件挖掘方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的热点事件挖掘方法
的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行热点事件挖掘方法。
[0115]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0116]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0117]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0118]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0119]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0120]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的
服务器，或者是结合了区块链的服务器。
[0121]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0122]
虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。