头像

如今热门的热点事件得到认可，其实更多的是关注如何在海量的内容中找到热点事件。这不仅包括实体事件的提取，还包括抽象的信息挖掘，以及用户行为的反馈。

什么是热点事件？

热点事件一般是指引起关注，广泛参与讨论、引起公众情绪并在社会(或某些领域)引起强烈反响的事件。通俗地说，就是众所周知，很多人讨论的事件。

热点事件对新闻推荐系统有什么意义？

推荐系统的目的是发布用户感兴趣的新闻。但热点是一个不同于普通新闻的数据。即使一个人对娱乐新闻不感兴趣，当马蓉和王的爆料出现时，他也会去看看。一是这源于人们对爆料的好奇，二是在我们这个世俗的社会里，对谈资的需求是有积累的。

所以，热点事件来了，对垂直兴趣的追求就可以减少，热点本身就可以算是一种兴趣。

热门内容的分布不仅可以反映推荐系统的媒体属性，还可以增强推荐的新颖性，防止兴趣趋同。

什么是热点事件识别？

通俗点说就是及时发现热点，找出或者写与热点相关的文章，分发给用户。

为什么要识别热点事件？

对热点的跟踪和敏感度是反映一个媒体的媒体属性是否强的标准之一。一个优秀的媒体必然会对热点有足够的敏感度，及时发现热点，快速报道热点，提出有价值的热点深度追踪，从而满足新闻用户对热点的关注。

因此，在机器时代，如何在海量数据中发现热点事件，并及时推送给用户，成为一大挑战。

如果我们能够前瞻性地找到热点，并及时推给用户，这将导致关注和用户的广泛传播，我们就可以掌握互联网上的大量流量，从而给应用带来更多的好处。

目前效果较好的热点事件发现技术：

1.基于通信的热点事件发现

简单来说，通过监控大规模人群中的信息传递，如果一个事件在一个时间段中从一些节点快速传递到多个节点，并且表现出指数-level增长，那么这个热点事件就可以被发现。

2.基于搜索的热点事件发现

这是基于一个搜索引擎，应该很好理解。在时间，的某个区域，越来越多的人搜索某个事件，这导致该事件的搜索量激增，并且该事件也可以被找到。

然而，不幸的是，我们不能同时做到以上两点。一个是我们没有用户的社会属性，没有新闻传播路径。另一个是我们缺乏用户的主动行为。虽然有搜索界面，但是实际搜索的用户很少。因此，使用上述方法是不可靠的。

当然，分析以上的本质都来自用户的反馈，可以更好的发现。我们曾尝试用自己的数据来做这样的尝试，利用用户信息来监控有浪涌行为的新闻，然后对这些新闻进行分类，找到可能的热点。但这有很大的技术挑战，还有一个就是新闻时效性特征的丧失，特别是对于热点，每一分钟都要争取。经过这么一轮计算，很可能热点已经广泛蔓延。其实对于我们的新闻客户来说，这个时候再去发现热点是没有价值的，流量已经分配好了。

我们如何解决热点事件问题？

1.获取热门事件

既然不能主动提取热点事件，那就尽量直接获取热点事件。第一，我白想了一件事。既然热点事件可以基于搜索或传播及时获得，那就让我们发扬“接纳主义”吧。其实网上有很多地方提供这样的实时热点事件，比如百度公告牌、微博热搜、搜狗热搜等。还有很多，等你自己去发现。

A.夺取

定期抓取这些单词应该不难。只有非常有限的内容，每隔一个事件才需要获取。通过与上一次数据对比，可以快速知道哪些事件词或句子可用。这种方法简单易行，获得的热点数量大，但效果可能差一点，还会有一定的时间延迟。

B.操作

有新闻敏感度的运营商需要手动添加。这种方法可以得到较少的热点，但延迟几乎可以忽略不计。

这里也为热点事件构造了一些属性，比如热点等级、热点老化、热点分类等等。

相关阅读假新闻早期检测：理论驱动模型利用贝叶斯分类器检测虚假新闻基新闻事件检测模型于特征聚合的假新闻内容检测模型假新闻ai也可用于检测消息真假，你信吗？midas建模实例(midas建立桥梁模型)新闻事件检测模型新闻事件检测模型midas建模实例(midas建立桥梁模型)近期网络热点事件(2019中国热点事件)