[发明专利]一种流式数据主题挖掘方法及其系统

摘要

本发明涉及一种流式数据主题挖掘方法及其系统，该挖掘方法包括：对结构化数据进行筛选，得到主题数据，提取主题数据的主题实体和主题关键词，分别生成主题实体集合和主题关键词集合；提取候选新闻数据的新闻实体和新闻关键词，分别生成新闻实体集合和新闻关键词集合；分别计算得到实体相关度、关键词相关度和核心词相关度；计算候选新闻数据与主题数据的新闻主题相似度，并将新闻主题相似度大于预设阈值的候选新闻数据导入合格新闻数据集合。本发明能够从海量的实时流式数据中准确找到用户关注的特定主题的相关新闻，保证了该主题下新闻的实时性、准确性，以及该主题下新闻动态的变化过程，并对新闻内容进行了分析。

主权项

一种流式数据主题挖掘方法，其特征在于，包括：根据主题核心词集合对结构化数据进行筛选，得到主题数据，提取所述主题数据的主题实体和主题关键词，分别生成主题实体集合和主题关键词集合；提取候选新闻数据的新闻实体和新闻关键词，分别生成新闻实体集合和新闻关键词集合；根据所述新闻实体集合、新闻关键词集合、主题实体集合、主题关键词集合和主题核心词集合分别得到实体相关度、关键词相关度和核心词相关度；根据实体相关度、关键词相关度和核心词相关度得到所述候选新闻数据与所述主题数据的新闻主题相似度，并将所述新闻主题相似度大于预设阈值的所述候选新闻数据导入合格新闻数据集合。