一种帖子热度的计算方法和装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种帖子热度的计算方法和装置。


背景技术：

2.话题热度反映了人们对相应帖子中所介绍的现象或事件的关注程度。目前，已有的热度计算算法可以归结为以下两类：(1)根据一个帖子的历史热度来计算其未来热度的发展趋势；(2)根据类似话题的热度变化趋势来计算新话题的变化趋势。
3.在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
4.只考虑了帖子字面上的相似性，未涉及语义层面，因此无法准确地计算出帖子热度。


技术实现要素：

5.有鉴于此，本发明实施例提供一种帖子热度的计算方法和装置，以解决无法准确地计算出帖子热度的技术问题。
6.为实现上述目的，根据本发明实施例的一个方面，提供了一种帖子热度的计算方法，包括：
7.根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；
8.根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹；
9.根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题；
10.根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。
11.可选地，根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹，包括：
12.对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：
13.热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；
14.其中，t表示所述历史帖子发表后第t日。
15.可选地，所述时间区间采用如下方式确定：
[0016][0017]
可选地，根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话
题，计算内容
‑
话题概率分布和各个话题的热度轨迹，包括：
[0018]
将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。
[0019]
可选地，根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题，包括：
[0020]
将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。
[0021]
可选地，根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹，包括：
[0022]
根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹；
[0023]
将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。
[0024]
另外，根据本发明实施例的另一个方面，提供了一种帖子热度的计算装置，包括：
[0025]
第一计算模块，用于根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；
[0026]
第二计算模块，用于根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹；
[0027]
筛选模块，用于根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题；
[0028]
第三计算模块，用于根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。
[0029]
可选地，所述第一计算模块还用于：
[0030]
对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：
[0031]
热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；
[0032]
其中，t表示所述历史帖子发表后第t日。
[0033]
可选地，所述时间区间采用如下方式确定：
[0034][0035]
可选地，所述第二计算模块还用于：
[0036]
将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。
[0037]
可选地，所述筛选模块还用于：
[0038]
将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。
[0039]
可选地，所述第三计算模块还用于：
[0040]
根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹；
[0041]
将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。
[0042]
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
[0043]
一个或多个处理器；
[0044]
存储装置，用于存储一个或多个程序，
[0045]
当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现上述任一实施例所述的方法。
[0046]
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
[0047]
上述发明中的一个实施例具有如下优点或有益效果：因为采用根据各个历史帖子的热度轨迹以及与各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹，然后筛选出当前帖子的潜在话题，最后根据各个话题的热度轨迹确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹的技术手段，所以克服了现有技术中无法准确地计算出帖子热度的技术问题。本发明实施例充分考虑帖子语义层面的相似性，并结合内容
‑
话题概率分布和各个话题的热度轨迹准确地计算出帖子的潜在话题的热度轨迹，从而准确地计算出帖子的热度轨迹。
[0048]
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
[0049]
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
[0050]
图1是根据本发明实施例的帖子热度的计算方法的主要流程的示意图；
[0051]
图2是根据本发明一个可参考实施例的帖子热度的计算方法的主要流程的示意图；
[0052]
图3是根据本发明实施例的帖子热度的计算装置的主要模块的示意图；
[0053]
图4是本发明实施例可以应用于其中的示例性系统架构图；
[0054]
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
[0055]
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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。
[0056]
图1是根据本发明实施例的帖子热度的计算方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述帖子热度的计算方法可以包括：
[0057]
步骤101，根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹。
[0058]
在该步骤中，获取历史数据，比如获取所有用户形成用户集合，获取所有用户发的所有历史帖子形成帖子集合，然后获取帖子集合中各个历史帖子的用户操作(比如点击、点赞、回复、收藏等以及这些用户操作的时间节点)，由此计算各个历史帖子的热度，从而得到各个历史帖子的热度轨迹。
[0059]
可选地，步骤101可以包括：对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：
[0060]
热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；
[0061]
其中，t表示所述历史帖子发表后第t日。
[0062]
在本发明的实施例中，可以基于用户对历史帖子的操作计算该历史帖子的热度，比如可以基于t时间内累计点击数量、t时间内累计点赞数量、t时间内累计被踩数量、t时间内累计回复数量、t时间内累计收藏数量和t时间内累计转发数量来计算历史帖子在每个时间节点的热度，从而得到该历史帖子的热度轨迹，采用这种方式可以准确地计算出每个历史帖子的热度轨迹。
[0063]
可选地，所述时间区间采用如下方式确定：
[0064][0065]
在本发明的实施例中，第t日对应的时间区间采用不同方式来确定，如果2≤t≤30，则计算[1，t
‑
1]内的累计点击数量、累计点赞数量、累计被踩数量、累计回复数量、累计收藏数量以及累计转发数量，如果31≤t≤60，则计算[t
‑
30，t
‑
1]内的累计点击数量、累计点赞数量、累计被踩数量、累计回复数量、累计收藏数量以及累计转发数量，如果61≤t≤90，则计算[t
‑
30，60]内的累计点击数量、累计点赞数量、累计被踩数量、累计回复数量、累计收藏数量以及累计转发数量，如果t＞90，则热度为零，采用这种方式可以准确地计算出每个历史帖子的热度。
[0066]
步骤102，根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹。
[0067]
在该步骤中，根据每个历史帖子的热度轨迹以及每个历史帖子及其关联话题的关联关系，计算出内容
‑
话题概率分布和各个话题的热度轨迹。
[0068]
可选地，步骤102可以包括：将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。在本发明的实施例中，由于用户在发帖时通常会选择与该帖子关联的至少一个话题，因此可以从历史数据中获得与所述各个历史帖子的关联的话题，然后将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型(lda)中进行无监督训练，lda训练算法通过迭代得到内容
‑
话题概率分布和各个话题的热度轨迹。
[0069]
步骤103，根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题。
[0070]
在该步骤中，通过步骤102计算出的内容
‑
话题概率分布，筛选出当前帖子的潜在话题。需要指出的是，当前帖子的潜在话题可以是一个，也可以是多个，本发明实施例对此不作限制。
[0071]
可选地，步骤103可以包括：将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。在本发明的实施例中，可以将当前帖子输入到步骤102中训练好的文档主题生成模型中，从而根据所述内容
‑
话题概率分布以及预设话题数量(比如topn，其中n为正整数)，筛选出所述当前帖子的若干个(topn个)潜在话题。
[0072]
步骤104，根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。
[0073]
筛选出当前帖子的潜在话题之后，根据步骤102中计算出的各个话题的热度轨迹，找出每个潜在话题的热度轨迹，从而计算出当前帖子的热度轨迹。
[0074]
可选地，步骤104可以包括：根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹；将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。在本发明的实施例中，筛选出当前帖子的潜在话题之后，根据步骤102中计算出的各个话题的热度轨迹，找出每个潜在话题的热度轨迹，然后针对每个时间节点，将各个潜在话题在该时间节点对应的热度相加，从而得到该时间节点对应的热度，由此得到当前帖子的热度轨迹。
[0075]
根据上面所述的各种实施例，可以看出本发明实施例通过先根据各个历史帖子的热度轨迹以及与各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹，然后筛选出当前帖子的潜在话题，最后根据各个话题的热度轨迹确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹的技术手段，解决了现有技术中无法准确地计算出帖子热度的技术问题。本发明实施例充分考虑帖子语义层面的相似性，并结合内容
‑
话题概率分布和各个话题的热度轨迹准确地计算出帖子的潜在话题的热度轨迹，从而准确地计算出帖子的热度轨迹。
[0076]
图2是根据本发明一个可参考实施例的帖子热度的计算方法的主要流程的示意图。作为本发明的又一个实施例，如图2所示，所述帖子热度的计算方法可以包括：
[0077]
步骤201，根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹。
[0078]
在该步骤中，获取历史数据，比如获取所有用户形成用户集合，获取所有用户发的所有历史帖子形成帖子集合，然后获取帖子集合中各个历史帖子的用户操作(比如点击、点赞、回复、收藏等以及这些用户操作的时间节点)，由此计算各个历史帖子的热度，从而得到各个历史帖子的热度轨迹。
[0079]
可选地，步骤201可以包括：对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：
[0080]
热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；
[0081]
其中，t表示所述历史帖子发表后第t日。
[0082]
在本发明的实施例中，可以基于用户对历史帖子的操作计算该历史帖子的热度，比如可以基于t时间内累计点击数量、t时间内累计点赞数量、t时间内累计被踩数量、t时间
内累计回复数量、t时间内累计收藏数量和t时间内累计转发数量来计算历史帖子在每个时间节点的热度，从而得到该历史帖子的热度轨迹，采用这种方式可以准确地计算出每个历史帖子的热度轨迹。
[0083]
可选地，所述时间区间采用如下方式确定：
[0084][0085]
在本发明的实施例中，第t日对应的时间区间采用不同方式来确定，如果2≤t≤30，则计算[1，t
‑
1]内的累计点击数量、累计点赞数量、累计被踩数量、累计回复数量、累计收藏数量以及累计转发数量，如果31≤t≤60，则计算[t
‑
30，t
‑
1]内的累计点击数量、累计点赞数量、累计被踩数量、累计回复数量、累计收藏数量以及累计转发数量，如果61≤t≤90，则计算[t
‑
30，60]内的累计点击数量、累计点赞数量、累计被踩数量、累计回复数量、累计收藏数量以及累计转发数量，如果t＞90，则热度为零，采用这种方式可以准确地计算出每个历史帖子的热度。
[0086]
步骤202，将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。
[0087]
在该步骤中，根据每个历史帖子的热度轨迹以及每个历史帖子及其关联话题的关联关系，计算出内容
‑
话题概率分布和各个话题的热度轨迹。在本发明的实施例中，由于用户在发帖时通常会选择与该帖子关联的至少一个话题，因此可以从历史数据中获得与所述各个历史帖子的关联的话题，然后将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型(lda)中进行无监督训练，lda训练算法通过迭代得到内容
‑
话题概率分布和各个话题的热度轨迹。
[0088]
步骤203，将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。
[0089]
在本发明的实施例中，可以将当前帖子输入到步骤202中训练好的文档主题生成模型中，从而根据所述内容
‑
话题概率分布以及预设话题数量(比如topn，其中n为正整数)，筛选出所述当前帖子的若干个(topn个)潜在话题。
[0090]
步骤204，根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹。
[0091]
在本发明的实施例中，筛选出当前帖子的潜在话题之后，根据步骤202中计算出的各个话题的热度轨迹，找出每个潜在话题的热度轨迹。
[0092]
步骤205，将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。
[0093]
针对每个时间节点，将各个潜在话题在该时间节点对应的热度相加，从而得到该时间节点对应的热度，由此得到当前帖子的热度轨迹。
[0094]
另外，在本发明一个可参考实施例中帖子热度的计算方法的具体实施内容，在上面所述帖子热度的计算方法中已经详细说明了，故在此重复内容不再说明。
[0095]
图3是根据本发明实施例的帖子热度的计算装置的主要模块的示意图，如图3所示，所述帖子热度的计算装置300包括第一计算模块301、第二计算模块302、筛选模块303和第三计算模块304；其中，第一计算模块301用于根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；第二计算模块302用于根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹；筛选模块303用于根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题；第三计算模块304用于根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。
[0096]
可选地，所述第一计算模块301还用于：
[0097]
对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：
[0098]
热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；
[0099]
其中，t表示所述历史帖子发表后第t日。
[0100]
可选地，所述时间区间采用如下方式确定：
[0101][0102]
可选地，所述第二计算模块302还用于：
[0103]
将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。
[0104]
可选地，所述筛选模块303还用于：
[0105]
将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。
[0106]
可选地，所述第三计算模块304还用于：
[0107]
根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹；
[0108]
将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。
[0109]
根据上面所述的各种实施例，可以看出本发明实施例通过先根据各个历史帖子的热度轨迹以及与各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹，然后筛选出当前帖子的潜在话题，最后根据各个话题的热度轨迹确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹的技术手段，解决了现有技术中无法准确地计算出帖子热度的技术问题。本发明实施例充分考虑帖子语义层面的相似性，并结合内容
‑
话题概率分布和各个话题的热度轨迹准确地计算出帖子的潜在话题的热度轨迹，从而准确地计算出帖子的热度轨迹。
[0110]
需要说明的是，在本发明所述帖子热度的计算装置的具体实施内容，在上面所述
帖子热度的计算方法中已经详细说明了，故在此重复内容不再说明。
[0111]
图4示出了可以应用本发明实施例的帖子热度的计算方法或帖子热度的计算装置的示例性系统架构400。
[0112]
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0113]
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
[0114]
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
[0115]
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
[0116]
需要说明的是，本发明实施例所提供的帖子热度的计算方法一般由服务器405执行，相应地，所述帖子热度的计算装置一般设置在服务器405中。本发明实施例所提供的帖子热度的计算方法也可以由终端设备401、402、403执行，相应地，所述帖子热度的计算装置可以设置在终端设备401、402、403中。
[0117]
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
[0118]
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
[0119]
如图5所示，计算机系统500包括中央处理单元(cpu)501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。在ram 503中，还存储有系统500操作所需的各种程序和数据。cpu 501、rom 502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0120]
以下部件连接至i/o接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
[0121]
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸
介质511被安装。在该计算机程序被中央处理单元(cpu)501执行时，执行本发明的系统中限定的上述功能。
[0122]
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0123]
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0124]
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一计算模块、第二计算模块、筛选模块和第三计算模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
[0125]
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，该设备实现如下方法：根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹；根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题；根据所述各个话题的热度轨迹，计算所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。
[0126]
根据本发明实施例的技术方案，因为采用根据各个历史帖子的热度轨迹以及与各
个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹，然后筛选出当前帖子的潜在话题，最后根据各个话题的热度轨迹确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹的技术手段，所以克服了现有技术中无法准确地计算出帖子热度的技术问题。本发明实施例充分考虑帖子语义层面的相似性，并结合内容
‑
话题概率分布和各个话题的热度轨迹准确地计算出帖子的潜在话题的热度轨迹，从而准确地计算出帖子的热度轨迹。
[0127]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种帖子热度的计算方法，其特征在于，包括：根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹；根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题；根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。2.根据权利要求1所述的方法，其特征在于，根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹，包括：对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；其中，t表示所述历史帖子发表后第t日。3.根据权利要求2所述的方法，其特征在于，所述时间区间采用如下方式确定：4.根据权利要求1所述的方法，其特征在于，根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹，包括：将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。5.根据权利要求4所述的方法，其特征在于，根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题，包括：将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。6.根据权利要求1所述的方法，其特征在于，根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹，包括：根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹；将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。7.一种帖子热度的计算装置，其特征在于，包括：第一计算模块，用于根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；第二计算模块，用于根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容
‑
话题概率分布和各个话题的热度轨迹；
筛选模块，用于根据所述内容
‑
话题概率分布，筛选出当前帖子的潜在话题；第三计算模块，用于根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹，从而计算所述当前帖子的热度轨迹。8.根据权利要求7所述的装置，其特征在于，所述第一计算模块还用于：对于任意一个历史帖子，采用以下公式计算所述历史帖子在时间区间内的各个时间节点对应的热度，从而得到热度轨迹：热度＝t时间内累计点击数量 (t时间内累计点赞数量 t时间内累计被踩数量)
×
2 t时间内累计回复数量
×
2 t时间内累计收藏数量
×
5 t时间内累计转发数量
×
5；其中，t表示所述历史帖子发表后第t日。9.根据权利要求8所述的装置，其特征在于，所述时间区间采用如下方式确定：10.根据权利要求7所述的装置，其特征在于，所述第二计算模块还用于：将所述各个历史帖子的热度轨迹以及所述各个历史帖子与各个话题的关联关系输入到文档主题生成模型中进行无监督训练，从而计算得到内容
‑
话题概率分布和各个话题的热度轨迹。11.根据权利要求10所述的装置，其特征在于，所述筛选模块还用于：将当前帖子输入到训练好的文档主题生成模型中，根据所述内容
‑
话题概率分布以及预设话题数量，筛选出所述当前帖子的若干个潜在话题。12.根据权利要求7所述的装置，其特征在于，所述第三计算模块还用于：根据所述各个话题的热度轨迹，确定所述潜在话题的热度轨迹；将所述潜在话题在各个时间节点对应的热度分别相加，得到所述当前帖子在各个时间节点对应的热度，从而得到所述当前帖子的热度轨迹。13.一种电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现如权利要求1
‑
6中任一所述的方法。14.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1
‑
6中任一所述的方法。
技术总结
本发明公开了一种帖子热度的计算方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据各个历史帖子的用户操作，计算所述各个历史帖子的热度轨迹；根据所述各个历史帖子的热度轨迹以及与所述各个历史帖子的关联的话题，计算内容


技术研发人员：蔡晨
受保护的技术使用者：中国建设银行股份有限公司
技术研发日：2021.04.26
技术公布日：2021/6/29