技術(shù)特征：

1.一種輿情數(shù)據(jù)聚類方法，其特征在于，包括：

對社交網(wǎng)絡(luò)中的當(dāng)前數(shù)據(jù)進(jìn)行冗余過濾，以獲取非冗余數(shù)據(jù)；

對所述非冗余數(shù)據(jù)進(jìn)行分析，以在所述非冗余數(shù)據(jù)中確定相關(guān)輿情數(shù)據(jù)；

對所述相關(guān)輿情數(shù)據(jù)進(jìn)行聚類，以在所述相關(guān)輿情數(shù)據(jù)中確定目標(biāo)輿情數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的輿情數(shù)據(jù)聚類方法，其特征在于，對所述相關(guān)輿情數(shù)據(jù)進(jìn)行聚類，以在所述相關(guān)輿情數(shù)據(jù)中確定所述目標(biāo)輿情數(shù)據(jù)，具體包括：

使用輿情熱度值預(yù)設(shè)公式對所述相關(guān)輿情數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，以確定所述相關(guān)輿情數(shù)據(jù)的輿情熱度值；

根據(jù)所述輿情熱度值在所述相關(guān)輿情數(shù)據(jù)中確定第一中心輿情數(shù)據(jù)和第二中心輿情數(shù)據(jù)，并將所述第一中心輿情數(shù)據(jù)和所述第二中心輿情數(shù)據(jù)作為所述目標(biāo)輿情數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的輿情數(shù)據(jù)聚類方法，其特征在于，對所述非冗余數(shù)據(jù)進(jìn)行分析，以在所述非冗余數(shù)據(jù)中確定所述相關(guān)輿情數(shù)據(jù)，具體包括：

根據(jù)隨機(jī)森林算法和預(yù)設(shè)訓(xùn)練數(shù)據(jù)，建立隨機(jī)森林模型；

根據(jù)所述隨機(jī)森林模型對所述非冗余數(shù)據(jù)進(jìn)行判別和分類，以在所述非冗余數(shù)據(jù)中確定所述相關(guān)輿情數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的輿情數(shù)據(jù)聚類方法，其特征在于，對所述社交網(wǎng)絡(luò)中的所述當(dāng)前數(shù)據(jù)進(jìn)行冗余過濾，具體包括：

在所述當(dāng)前數(shù)據(jù)中確定原創(chuàng)數(shù)據(jù)，并在所述原創(chuàng)數(shù)據(jù)中獲取多個(gè)關(guān)鍵詞，以確定所述原創(chuàng)數(shù)據(jù)的關(guān)鍵詞向量；

接收建立指令，建立所述原創(chuàng)數(shù)據(jù)的初始化向量，并根據(jù)所述關(guān)鍵詞向量將所述初始化向量轉(zhuǎn)化為數(shù)據(jù)指紋向量；

根據(jù)所述數(shù)據(jù)指紋向量，對所述原創(chuàng)數(shù)據(jù)進(jìn)行冗余過濾，以確定所述 非冗余數(shù)據(jù)。

5.根據(jù)權(quán)利要求1至4中任一項(xiàng)所述的輿情數(shù)據(jù)聚類方法，其特征在于，所述輿情熱度值預(yù)設(shè)公式包括文本局部密度預(yù)設(shè)公式和/或文本距離預(yù)設(shè)公式，以及所述輿情熱度值包括：所述文本局部密度值和/或文本距離值，其中，所述文本局部密度預(yù)設(shè)公式包括：

${\mathrm{\ρ}}_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\χ}(d_{\mathrm{ij}}-d_c)i,j\∈[1,n]$

$\mathrm{\χ}\left(x\right)=\left\{\begin{array}{cc}1& x\<0\\ 0& x\≥0\end{array}\right.$

所述文本距離預(yù)設(shè)公式包括：

${\mathrm{\δ}}_i=\underset{{\mathrm{\ρ}}_j>{\mathrm{\ρ}}_i}{\min }\left(d_{\mathrm{ij}}\right)$

n表示所述相關(guān)輿情數(shù)據(jù)的文本總數(shù)，ρ_i表示第i個(gè)所述相關(guān)輿情數(shù)據(jù)的局部密度值，d_ij表示第i個(gè)所述相關(guān)輿情數(shù)據(jù)與第j個(gè)所述相關(guān)輿情數(shù)據(jù)的文本相似值，且i不等于j，d_c表示相似系數(shù)，且d_c的取值范圍為n×1％至n×2％，δ_i表示第i個(gè)所述相關(guān)輿情數(shù)據(jù)的文本距離。

6.一種輿情數(shù)據(jù)聚類系統(tǒng)，其特征在于，包括：

冗余過濾單元，用于對社交網(wǎng)絡(luò)中的當(dāng)前數(shù)據(jù)進(jìn)行冗余過濾，以獲取非冗余數(shù)據(jù)；

第一確定單元，用于對所述非冗余數(shù)據(jù)進(jìn)行分析，以在所述非冗余數(shù)據(jù)中確定相關(guān)輿情數(shù)據(jù)；

聚類單元，用于對所述相關(guān)輿情數(shù)據(jù)進(jìn)行聚類，以在所述相關(guān)輿情數(shù)據(jù)中確定目標(biāo)輿情數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的輿情數(shù)據(jù)聚類系統(tǒng)，其特征在于，所述聚類單元包括：

統(tǒng)計(jì)單元，用于使用輿情熱度值預(yù)設(shè)公式對所述相關(guān)輿情數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，以確定所述相關(guān)輿情數(shù)據(jù)的輿情熱度值；

第二確定單元，用于根據(jù)所述輿情熱度值在所述相關(guān)輿情數(shù)據(jù)中確定第一中心輿情數(shù)據(jù)和第二中心輿情數(shù)據(jù)，并將所述第一中心輿情數(shù)據(jù)和所述第二中心輿情數(shù)據(jù)作為所述目標(biāo)輿情數(shù)據(jù)。

8.根據(jù)權(quán)利要求7所述的輿情數(shù)據(jù)聚類系統(tǒng)，其特征在于，所述第 一確定單元包括：

建立單元，用于根據(jù)隨機(jī)森林算法和預(yù)設(shè)訓(xùn)練數(shù)據(jù)，建立隨機(jī)森林模型；

所述第一確定單元具體用于：根據(jù)所述隨機(jī)森林模型對所述非冗余數(shù)據(jù)進(jìn)行判別和分類，以在所述非冗余數(shù)據(jù)中確定所述相關(guān)輿情數(shù)據(jù)。

9.根據(jù)權(quán)利要求8所述的輿情數(shù)據(jù)聚類系統(tǒng)，其特征在于，所述冗余過濾單元包括：

第三確定單元，用于在所述當(dāng)前數(shù)據(jù)中確定原創(chuàng)數(shù)據(jù)，并在所述原創(chuàng)數(shù)據(jù)中獲取多個(gè)關(guān)鍵詞，以確定所述原創(chuàng)數(shù)據(jù)的關(guān)鍵詞向量；

轉(zhuǎn)化單元，用于接收建立指令，建立所述原創(chuàng)數(shù)據(jù)的初始化向量，并根據(jù)所述關(guān)鍵詞向量將所述初始化向量轉(zhuǎn)化為數(shù)據(jù)指紋向量；

所述第三確定單元具體用于：根據(jù)所述數(shù)據(jù)指紋向量，對所述原創(chuàng)數(shù)據(jù)進(jìn)行冗余過濾，以確定所述非冗余數(shù)據(jù)。

10.根據(jù)權(quán)利要求6至9中任一項(xiàng)所述的輿情數(shù)據(jù)聚類系統(tǒng)，其特征在于，所述輿情熱度值預(yù)設(shè)公式包括文本局部密度預(yù)設(shè)公式和/或文本距離預(yù)設(shè)公式，以及所述輿情熱度值包括：所述文本局部密度值和/或文本距離值，其中，所述文本局部密度預(yù)設(shè)公式包括：

${\mathrm{\ρ}}_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\mathrm{\χ}(d_{\mathrm{ij}}-d_c)i,j\∈[1,n]$

$\mathrm{\χ}\left(x\right)=\left\{\begin{array}{cc}1& x\<0\\ 0& x\≥0\end{array}\right.$

所述文本距離預(yù)設(shè)公式包括：

${\mathrm{\δ}}_i=\underset{{\mathrm{\ρ}}_j>{\mathrm{\ρ}}_i}{\min }\left(d_{\mathrm{ij}}\right)$

n表示所述相關(guān)輿情數(shù)據(jù)的文本總數(shù)，ρ_i表示第i個(gè)所述相關(guān)輿情數(shù)據(jù)的局部密度值，d_ij表示第i個(gè)所述相關(guān)輿情數(shù)據(jù)與第j個(gè)所述相關(guān)輿情數(shù)據(jù)的文本相似值，且i不等于j，d_c表示相似系數(shù)，且d_c的取值范圍為n×1％至n×2％，δ_i表示第i個(gè)所述相關(guān)輿情數(shù)據(jù)的文本距離。