CN113553407B - 事件追溯方法、装置、电子设备及存储介质 - Google Patents

事件追溯方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113553407B
CN113553407B CN202110680960.7A CN202110680960A CN113553407B CN 113553407 B CN113553407 B CN 113553407B CN 202110680960 A CN202110680960 A CN 202110680960A CN 113553407 B CN113553407 B CN 113553407B
Authority
CN
China
Prior art keywords
processed
keyword
event
region
time period
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110680960.7A
Other languages
English (en)
Other versions
CN113553407A (zh
Inventor
刘吉
黄际洲
熊昊一
周景博
姜海燕
杨亚鑫
王海峰
窦德景
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110680960.7A priority Critical patent/CN113553407B/zh
Publication of CN113553407A publication Critical patent/CN113553407A/zh
Application granted granted Critical
Publication of CN113553407B publication Critical patent/CN113553407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提出了事件追溯方法、装置、电子设备及存储介质，涉及数据处理技术领域，具体涉及大数据、人工智能技术领域。具体实现方案为：获取待追溯事件的事件相关数据；针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。由此，可获取待处理的区域内待处理的关键词的事件相关度变化，根据待处理的区域内待处理的关键词的事件相关度变化，可准确地确定待追溯事件的起源时间点以及起源区域。

Description

事件追溯方法、装置、电子设备及存储介质
技术领域
本公开涉及数据处理技术领域，具体涉及大数据、人工智能技术领域，尤其涉及事件追溯方法、装置、电子设备及存储介质。
背景技术
随着我国城市化的推进以及交通的快速发展，城市地区人口密度较大，人口流动速度较快，如果出现流行事件会导致快速的大量流行，在流行事件达到一定严重程度前很难引起足够的重视。在引起一定关注后，需要及时确认流行事件的起源时间点以及起源地区。
发明内容
本公开提供了一种用于事件追溯方法、装置、电子设备及存储介质。
根据本公开的一方面，提供了一种事件追溯方法，包括：获取待追溯事件的事件相关数据，其中，所述事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；所述关键词搜索数据包括与所述待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，根据所述各个时间段内所述待处理的关键词的搜索数据以及所述各个时间段内所述待处理的区域内的涉及对象数据，确定所述待处理的区域内所述待处理的关键词的事件相关度序列；根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，确定所述待追溯事件的起源时间点以及起源区域。
根据本公开的另一方面，提供了一种事件追溯装置，包括：获取模块，用于获取待追溯事件的事件相关数据，其中，所述事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；所述关键词搜索数据包括与所述待追溯事件相关的多个关键词的搜索数据；第一确定模块，用于针对每个待处理的区域内的每个待处理的关键词，根据所述各个时间段内所述待处理的关键词的搜索数据以及所述各个时间段内所述待处理的区域内的涉及对象数据，确定所述待处理的区域内所述待处理的关键词的事件相关度序列；第二确定模块，用于根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，确定所述待追溯事件的起源时间点以及起源区域。
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本公开第一方面实施例所述的方法。
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本公开第一方面实施例所述的方法。
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，所述计算机程序在被处理器执行时实现本公开第一方面实施例所述的方法。
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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的示意图；
图2是根据本公开第二实施例的示意图；
图3是根据本公开实施例的待处理的关键词的搜索数据示意图；
图4是根据本公开第三实施例的示意图；
图5是根据本公开第四实施例的示意图；
图6是根据本公开实施例的事件追溯方法的流程示意图；
图7是根据本公开第五实施例的示意图；
图8是用来实现本公开实施例的事件追溯方法的电子设备的框图。
具体实施方式
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。
随着我国城市化的推进以及交通的快速发展，城市地区人口密度较大，人口流动速度较快，如果出现流行事件会导致快速的大量流行，在流行事件达到一定严重程度前很难引起足够的重视。在引起一定关注后，需要及时确认流行事件的起源时间点以及起源地区。
相关技术中，利用动态***和随着时间推移涉及对象的数量来推断流行事件的可能的起源日期和起源区域，但是，利用动态***和随着时间推移涉及对象的数量来推断流行事件的可能的起源日期和起源区域进行流行事件的假设和推断，难以准确地确定流行事件的起源时间点和起源地区。
针对上述问题，本公开提出一种事件追溯方法、装置、电子设备及存储介质。
图1是根据本公开第一实施例的示意图。需要说明的是，本公开实施例的事件追溯方法可应用于本公开实施例的事件追溯装置，该装置可被配置于电子设备中。其中，该电子设备可以是移动终端，例如，手机、平板电脑、个人数字助理等具有各种操作***的硬件设备。
如图1所示，该事件追溯方法可包括如下步骤：
步骤101，获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据。
在本公开实施例中，可将需要追溯起源时间点以及起源地区的流行事件作为待追溯事件。涉及对象数据可为待追溯事件涉及的人口数据，关键词搜索数据可为用户在搜索引擎中输入与待追溯事件相关的关键词进行搜索获取的数据量，可选地，可对各个时间段各个区域内待追溯事件涉及的人口数据以及用户在搜索引擎中输入与待追溯事件相关的关键词进行搜索获取的数据量进行统计，以获取各个时间段各个区域内的涉及对象数据以及关键词搜索数据。需要说明的是，关键词搜索数据可包括与待追溯事件相关的多个关键词的搜索数据。
步骤102，针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列。
进一步地，针对每个待处理的区域内的每个待处理的关键词，可获取该待处理的区域内各个时间段内该待处理的关键词的搜索数据，并获取各个时间段内该待处理的区域内的涉及对象数据，接着，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，可确定待处理的区域内待处理的关键词的事件相关度，根据待处理的区域内待处理的关键词的事件相关度，可确定待处理的区域内待处理的关键词的事件相关度序列。
步骤103，根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。
也就是说，确定待处理的区域内待处理的关键词的事件相关度序列可包括待处理的区域内待处理的关键词的事件相关度，根据待处理的区域内待处理的关键词的事件相关度序列，可获取待处理的区域内待处理的关键词的事件相关度，根据待处理的区域内待处理的关键词的事件相关度变化，可确定待追溯事件的起源时间点以及起源区域。
为了提高本公开实施例的可用性，在本公开实施例中，根据待处理的区域内待处理的关键词的事件相关度序列，可获取待处理的区域内待处理的关键词的事件相关度，对于待处理的关键词的事件相关度较高的待处理区域，可进行预警，以避免待处理区域内流行事件的大规模流行。
综上，通过获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。由此，可根据各个待处理的区域内各个待处理的关键词的事件相关度序列，获取待处理的区域内待处理的关键词的事件相关度变化，根据待处理的区域内待处理的关键词的事件相关度变化，可准确地确定待追溯事件的起源时间点以及起源区域。
为了准确地确定待处理的区域内待处理的关键词的事件相关度序列，如图2所示，图2是根据本公开第二实施例的示意图，在本公开实施例中，根据每个时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，确定时间段内待处理的关键词与待追溯事件的事件相关度，图2所示实施例可包括如下步骤：
步骤201，获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据。
步骤202，针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，确定时间段内待处理的关键词与待追溯事件的事件相关度。
可选地，对每个时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，进行动态时间规整处理或者去趋势互相关分析处理，确定各个时间点上所述待处理的关键词的搜索数据与各个时间点上待处理的区域内的涉及对象数据之间的对应关系；根据各个时间点上待处理的关键词的搜索数据以及对应的涉及对象数据，确定待处理的关键词与待追溯事件的事件相关度。
也就是说，如图3所示，对于每个待处理的区域内每个时间段内(如，1月至3月)的各个时间点(如，1月至3月平均划分为3个时间点)上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，可通过动态时间规整或者去趋势互相关分析进行处理，获取各个时间点上待处理的关键词的搜索数据与各个时间点上待处理的区域内的涉及对象数据之间的对应关系，接着，根据各个时间点上待处理的关键词的搜索数据以及对应的涉及对象数据，确定待处理的关键词与待追溯事件的事件相关度。比如，各个时间点上待处理的关键词的搜索数据的数据量以及对应的涉及对象数据较多时，待处理的关键词与待追溯事件的事件相关度也较大，各个时间点上待处理的关键词的搜索数据的数据量以及对应的涉及对象数据较少时，待处理的关键词与待追溯事件的事件相关度也较小。
步骤203，根据各个时间段内待处理的关键词与待追溯事件的事件相关度，生成候选区域内待处理的关键词的事件相关度序列。
进一步地，将各个时间段内待处理的关键词与待追溯事件的事件相关度，按照时间段先后顺序进行排列，可生成待处理的区域内待处理的关键词的事件相关度序列，将该待处理的区域内待处理的关键词的事件相关度序列，作为候选区域内待处理的关键词的事件相关度序列。
步骤204，根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。
在本公开实施例中，步骤201、204可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
综上，通过获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，确定时间段内待处理的关键词与待追溯事件的事件相关度；根据各个时间段内待处理的关键词与待追溯事件的事件相关度，生成候选区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。由此，可根据各个待处理的区域内各个待处理的关键词的事件相关度序列，可获取待处理的区域内待处理的关键词的事件相关度变化，根据待处理的区域内待处理的关键词的事件相关度变化，可准确地确定待追溯事件的起源时间点以及起源区域。
为了更加准确地确定待处理的区域内待处理的关键词的事件相关度序列，如图4所示，图4是根据本公开第三实施例的示意图，在本公开实施例中，由于每个待处理的区域内各个时间段内待处理的关键词的搜索数据与各个时间段内待处理的区域内的涉及对象数据之间可能存在较大差异，可分别对各个时间段内待处理的关键词的搜索数据和各个时间段内所述待处理的区域内的涉及对象数据进行归一化处理。图4所示实施例可包括如下步骤：
步骤401，获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据。
步骤402，针对每个待处理的区域内的每个待处理的关键词，对各个时间段内待处理的关键词的搜索数据进行归一化处理。
可选地，根据各个时间段内待处理的关键词的搜索数据，确定待处理的关键词的归一化参数，其中，归一化参数包括：平均值以及标准值；针对每个搜索数据，对搜索数据进行减去平均值的处理以及除以标准值的处理，实现对搜索数据的归一化处理。
也就是说，可将各个时间段内待处理的关键词的搜索数据进行相加，将相加结果与时间段数量进行相比，可获取待处理的关键词的搜索数据的平均值，根据各个时间段内待处理的关键词的搜索数据与待处理的关键词的搜索数据的平均值，可计算待处理的关键词的搜索数据的标准值。对于每个搜索数据，可对搜索数据进行减去平均值的处理以及除以标准值的处理，实现对搜索数据的归一化处理，具体可表现为如下公式：
Normalize(Date Index Value)＝(Date Index Value-μ)/σ；
其中，Normalize(Date Index Value)表示搜索数据的归一化处理结果，DateIndex Value表示待处理的关键词的搜索数据，μ待处理的关键词的搜索数据的平均值，σ表示待处理的关键词的搜索数据的标准值。
步骤403，对各个时间段内待处理的区域内的涉及对象数据进行归一化处理。
可选地，根据各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内的涉及对象数据的归一化参数，其中，归一化参数包括：平均值以及标准值；对于涉及对象数据，可对涉及对象数据进行减去平均值的处理以及除以标准值的处理，实现对涉及对象数据的归一化处理。
也就是说，可将各个时间段内待处理的区域内的涉及对象数据进行相加，将相加结果与时间段数量进行相比，可获取待处理的区域内的涉及对象数据的平均值，根据各个时间段内待处理的区域内的涉及对象数据与待处理的区域内的涉及对象数据的平均值，可计算待处理的区域内的涉及对象数据的标准值。对于每个涉及对象数据，可对涉及对象数据进行减去平均值的处理以及除以标准值的处理，实现对涉及对象数据的归一化处理，具体可表现为如下公式：
Normalize(Date Index Value′)＝(Date Index Value′-μ′)/σ′；
其中，Normalize(Date Index Value′)表示涉及对象数据的归一化处理结果，Date Index Value′表示待处理的区域内的涉及对象数据，μ′待处理的区域内的涉及对象数据的平均值，σ′表示待处理的区域内的涉及对象数据的标准值。
步骤404，针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，确定时间段内待处理的关键词与待追溯事件的事件相关度。
步骤405，根据各个时间段内待处理的关键词与待追溯事件的事件相关度，生成候选区域内待处理的关键词的事件相关度序列。
步骤406，根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。
在本公开实施例中，步骤401、404-406可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
综上，通过获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，对各个时间段内待处理的关键词的搜索数据进行归一化处理；对各个时间段内待处理的区域内的涉及对象数据进行归一化处理；针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，确定时间段内待处理的关键词与待追溯事件的事件相关度；根据各个时间段内待处理的关键词与待追溯事件的事件相关度，生成候选区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。由此，根据归一化处理后的每个待处理的区域内的每个待处理的关键词的搜索数据与各个时间点上待处理的区域内的涉及对象数据，可准确地确定时间段内待处理的关键词与待追溯事件的事件相关度，进一步地，根据各个待处理的区域内各个待处理的关键词的事件相关度序列，获取待处理的区域内待处理的关键词的事件相关度变化，根据待处理的区域内待处理的关键词的事件相关度变化，可准确地确定待追溯事件的起源时间点以及起源区域。
为了准确地确定待追溯事件的起源时间点以及起源区域，如图5所示，图5是根据本公开第四实施例的示意图，在本公开实施例中，对于每个待处理的区域，可根据待处理的区域内所述目标关键词的事件相关度序列，确定待处理的区域内目标关键词的事件相关度突变点，进而确定待追溯事件的起源时间点以及起源区域。图5所示实施例可包括如下步骤：
步骤501，获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据。
步骤502，针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列。
步骤503，根据各个待处理的区域内各个待处理的关键词的事件相关度序列，从各个待处理的关键词中选择目标关键词。
可选地，针对每个待处理的区域，根据待处理的区域内各个待处理的关键词的事件相关度序列，对各个待处理的关键词进行排序处理，得到待处理的区域的关键词排序结果；从各个待处理的区域的关键词排序结果中选择前N个关键词，作为目标关键词，其中，N为非零的自然数。
作为本公开实施例的一种可能实现方式，为了获取相关度较高的事件相关度序列对应的待处理的关键词，在本公开实施例中，对于每个待处理的区域，可将该待处理的区域内各个待处理的关键词的事件相关度序列进行相关度比对，可根据相关度比对结果对待处理的关键词进行排序，可将排序结果中靠前的N个待处理的关键词作为目标关键词，也就是可将相关度较高的事件相关度序列对应的N个待处理的关键词作为目标关键词。其中，N为非零的自然数。例如，目标关键词为口罩，消毒等。
步骤504，针对每个待处理的区域，根据待处理的区域内目标关键词的事件相关度序列，确定待处理的区域内目标关键词的事件相关度突变点。
也就是说，针对每个待处理的区域，根据待处理的区域内目标关键词的事件相关度序列，可确定待处理的区域内目标关键词的事件相关度序列中待处理的区域内目标关键词的事件相关度波动较大的点，将待处理的区域内目标关键词的事件相关度波动较大的点作为待处理的区域内目标关键词的事件相关度突变点。比如，目标关键词为“口罩”，可根据待处理的区域内“口罩”的事件相关度序列，确定待处理的区域内“口罩”的事件相关度序列中待处理的区域内“口罩”的事件相关度波动较大的点，将待处理的区域内“口罩”的事件相关度波动较大的点作为待处理的区域内“口罩”的事件相关度突变点。
可选地，针对每个待处理的区域，根据待处理的区域内目标关键词的事件相关度序列进行正态分布拟合处理，确定拟合的正态分布；根据拟合的正态分布以及待处理的区域内目标关键词的事件相关度序列，确定对应的差值函数值最大的相关度对应的目标时间段，其中，差值函数为，以目标时间段为变量，目标时间段之前各个时间段上的第一拟合误差+目标时间段之后各个时间段上的第二拟合误差-所有时间段上的第三拟合误差；将目标时间段，确定为待处理的区域内目标关键词的事件相关度突变点。
在本公开实施例中，可对待处理的区域内目标关键词的事件相关度序列进行正态分布拟合处理，确定拟合的正态分布，具体可表现为如下公式：
zt|θt～N(θt,1)；
其中，θt是随着时间分段的常数，如，θt为一天、θt为一个月或者θt为一周等，zt是时间分段上的相关度。
接着，根据拟合的正态分布以及待处理的区域内目标关键词的事件相关度序列，确定对应的差值函数值最大的相关度对应的目标时间段，其中，差值函数为，以目标时间段为变量，目标时间段之前各个时间段上的第一拟合误差+目标时间段之后各个时间段上的第二拟合误差-所有时间段上的第三拟合误差；将目标时间段，确定为待处理的区域内目标关键词的事件相关度突变点，具体可表现为如下公式：
LR＝maxτ{l(z1:r)+l(zr+1:n)-l(z1:n)}；
其中，LR表示差值函数值最大的相关度，l(z1:r)表示目标时间段之前各个时间段上的第一拟合误差，l(zr+1:n)表示目标时间段之后各个时间段上的第二拟合误差，l(z1:n)表示所有时间段上的第三拟合误差，将LR对应的zr确定为待处理的区域内目标关键词的事件相关度突变点。
步骤505，根据各个待处理的区域内目标关键词的事件相关度突变点，确定待追溯事件的起源时间点以及起源区域。
作为本公开实施例的一种可能实现方式，为了准确地确定待追溯事件的起源时间点以及起源区域，可将各个待处理的区域内目标关键词的事件相关度突变点中的最早的事件相关度突变点，确定为起源时间点；将最早的事件相关度突变点所属的区域，确定为起源区域。比如，各个待处理的区域内目标关键词的事件相关度突变点为多个时，可将各个待处理的区域内目标关键词的事件相关度突变点中的最早的事件相关度突变点，确定为起源时间点，对应的将最早的事件相关度突变点所属的区域，确定为起源区域。
在本公开实施例中，步骤501-502可以分别采用本公开的各实施例中的任一种方式实现，本公开实施例并不对此作出限定，也不再赘述。
综上，通过获取待追溯事件的事件相关数据，其中，所述事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；所述关键词搜索数据包括与所述待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，从各个待处理的关键词中选择目标关键词；针对每个待处理的区域，根据待处理的区域内目标关键词的事件相关度序列，确定待处理的区域内目标关键词的事件相关度突变点；根据各个待处理的区域内目标关键词的事件相关度突变点，确定待追溯事件的起源时间点以及起源区域。由此，根据各个待处理的区域内目标关键词的事件相关度突变点，可准确地确定待追溯事件的起源时间点以及起源区域。
为了使本领域技术人员更加清楚地了解本公开，现举例进行说明。
举例而言，如图6所示，对于各个时间段各个区域内的涉及对象数据以及关键词搜索数据，可通过动态时间规整处理或者去趋势互相关分析处理，确定各个时间点上待处理的关键词的搜索数据与各个时间点上待处理的区域内的涉及对象数据之间的对应关系，进而确定待处理的关键词与待追溯事件的事件相关度，通过对确定待处理的关键词与待追溯事件的事件相关度分析，确定待处理的区域的关键词列表(关键词排序结果)，关键词列表中的前N个关键词，作为目标关键词，根据待处理区域内目标关键词的事件相关度序列，确定待处理区域内目标关键词突变点，根据待处理区域内目标关键词突变点，确定流行事件(待追溯事件)的群体反应时间的起点(起源时间点)，以及该群体反应时间的起点对应的区域作为该流行事件的起源区域。为了进一步验证结果的准确性，可通过不同时间地区流行事件做类似搜索数据分析，以及涉及对象迁移数据分析，对流行事件的群体反应时间的起点以及群体反应时间的起点对应的区域进行正确性验证。
本公开实施例的事件追溯方法，通过获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。由此，可根据各个待处理的区域内各个待处理的关键词的事件相关度序列，获取待处理的区域内待处理的关键词的事件相关度变化，根据待处理的区域内待处理的关键词的事件相关度变化，准确地确定待追溯事件的起源时间点以及起源区域。
为了实现上述实施例，本公开还提出一种事件追溯装置。
图7是根据本公开第五实施例的示意图，如图7所示，事件追溯装置700包括：获取模块710、第一确定模块720、第二确定模块730。
其中，获取模块710，用于获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据；第一确定模块720，用于针对每个待处理的区域内的每个待处理的关键词，根据所述各个时间段内待处理的关键词的搜索数据以及所述各个时间段内所述待处理的区域内的涉及对象数据，确定待处理的区域内所述待处理的关键词的事件相关度序列；第二确定模块730，用于根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。
作为本公开实施例的一种可能实现方式，第一确定模块720具体用于：针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据时间段内各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，确定时间段内待处理的关键词与待追溯事件的事件相关度；根据各个时间段内待处理的关键词与所述待追溯事件的事件相关度，生成候选区域内待处理的关键词的事件相关度序列。
作为本公开实施例的一种可能实现方式，第一确定模块720，还用于：对各个时间点上待处理的关键词的搜索数据，以及各个时间点上待处理的区域内的涉及对象数据，进行动态时间规整处理或者去趋势互相关分析处理，确定各个时间点上待处理的关键词的搜索数据与各个时间点上待处理的区域内的涉及对象数据之间的对应关系；根据各个时间点上待处理的关键词的搜索数据以及对应的涉及对象数据，确定待处理的关键词与待追溯事件的事件相关度。
作为本公开实施例的一种可能实现方式，事件追溯装置700还包括：处理模块。
其中，处理模块，用于针对每个待处理的区域内的每个待处理的关键词，对各个时间段内待处理的关键词的搜索数据进行归一化处理；以及对各个时间段内待处理的区域内的涉及对象数据进行归一化处理。
作为本公开实施例的一种可能实现方式，第二确定模块730，具体用于：根据各个待处理的区域内各个待处理的关键词的事件相关度序列，从各个待处理的关键词中选择目标关键词；针对每个待处理的区域，根据待处理的区域内目标关键词的事件相关度序列，确定待处理的区域内目标关键词的事件相关度突变点；根据各个待处理的区域内所述目标关键词的事件相关度突变点，确定待追溯事件的起源时间点以及起源区域。
作为本公开实施例的一种可能实现方式，第二确定模块730，还用于：针对每个待处理的区域，根据所述待处理的区域内各个所述待处理的关键词的事件相关度序列，对各个所述待处理的关键词进行排序处理，得到所述待处理的区域的关键词排序结果；从各个待处理的区域的关键词排序结果中选择前N个关键词，作为目标关键词，其中，N为非零的自然数。
作为本公开实施例的一种可能实现方式，第二确定模块730，还用于：针对每个待处理的区域，根据所述待处理的区域内所述目标关键词的事件相关度序列进行正态分布拟合处理，确定拟合的正态分布；根据拟合的正态分布以及待处理的区域内目标关键词的事件相关度序列，确定对应的差值函数值最大的相关度对应的目标时间段，其中，差值函数为，以目标时间段为变量，目标时间段之前各个时间段上的第一拟合误差+目标时间段之后各个时间段上的第二拟合误差-所有时间段上的第三拟合误差；将目标时间段，确定为待处理的区域内目标关键词的事件相关度突变点。
作为本公开实施例的一种可能实现方式，第二确定模块730，还用于：将各个待处理的区域内所述目标关键词的事件相关度突变点中的最早的事件相关度突变点，确定为起源时间点；将最早的事件相关度突变点所属的区域，确定为起源区域。
本公开实施例的事件追溯装置，通过获取待追溯事件的事件相关数据，其中，事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；关键词搜索数据包括与待追溯事件相关的多个关键词的搜索数据；针对每个待处理的区域内的每个待处理的关键词，根据各个时间段内待处理的关键词的搜索数据以及各个时间段内待处理的区域内的涉及对象数据，确定待处理的区域内待处理的关键词的事件相关度序列；根据各个待处理的区域内各个待处理的关键词的事件相关度序列，确定待追溯事件的起源时间点以及起源区域。由此，可根据各个待处理的区域内各个待处理的关键词的事件相关度序列，获取待处理的区域内待处理的关键词的事件相关度变化，根据待处理的区域内待处理的关键词的事件相关度变化，可准确地确定待追溯事件的起源时间点以及起源区域。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，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。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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。
计算单元801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801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801执行上文所描述的各个方法和处理，例如事件追溯方法。例如，在一些实施例中，事件追溯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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的事件追溯方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行事件追溯方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、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***的***(SOC)、负载可编程逻辑设备(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***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***、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***、该至少一个输入装置、和该至少一个输出装置。
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。
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***、装置或设备使用或与指令执行***、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***、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。
为了提供与用户的交互，可以在计算机上实施此处描述的***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。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(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***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***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***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***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。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器。
其中，需要说明的是，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。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
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，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，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。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (14)

1.一种事件追溯方法，包括：
获取待追溯事件的事件相关数据，其中，所述事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；所述关键词搜索数据包括与所述待追溯事件相关的多个关键词的搜索数据；
针对每个待处理的区域内的每个待处理的关键词，根据所述各个时间段内所述待处理的关键词的搜索数据以及所述各个时间段内所述待处理的区域内的涉及对象数据，确定所述待处理的区域内所述待处理的关键词的事件相关度序列；
根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，确定所述待追溯事件的起源时间点以及起源区域;
所述根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，确定所述待追溯事件的起源时间点以及起源区域，包括：
根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，从各个所述待处理的关键词中选择目标关键词；
针对每个待处理的区域，根据所述待处理的区域内所述目标关键词的事件相关度序列，确定所述待处理的区域内所述目标关键词的事件相关度突变点；其中，针对每个待处理的区域，根据所述待处理的区域内所述目标关键词的事件相关度序列进行正态分布拟合处理，确定拟合的正态分布；根据所述拟合的正态分布以及所述待处理的区域内所述目标关键词的事件相关度序列，确定对应的差值函数值最大的相关度对应的目标时间段，其中，差值函数为，以目标时间段为变量，所述目标时间段之前各个时间段上的第一拟合误差+所述目标时间段之后各个时间段上的第二拟合误差-所有时间段上的第三拟合误差；将所述目标时间段，确定为所述待处理的区域内所述目标关键词的事件相关度突变点；
根据各个待处理的区域内所述目标关键词的事件相关度突变点，确定所述待追溯事件的起源时间点以及起源区域。
2.根据权利要求1所述的方法，其中，所述针对每个待处理的区域内的每个待处理的关键词，根据所述各个时间段内所述待处理的关键词的搜索数据以及所述各个时间段内所述待处理的区域内的涉及对象数据，确定所述待处理的区域内所述待处理的关键词的事件相关度序列，包括：
针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据所述时间段内各个时间点上所述待处理的关键词的搜索数据，以及所述各个时间点上所述待处理的区域内的涉及对象数据，确定所述时间段内所述待处理的关键词与所述待追溯事件的事件相关度；
根据各个所述时间段内所述待处理的关键词与所述待追溯事件的事件相关度，生成所述待处理的区域内所述待处理的关键词的事件相关度序列。
3.根据权利要求2所述的方法，其中，所述根据所述时间段内各个时间点上所述待处理的关键词的搜索数据，以及所述各个时间点上所述待处理的区域内的涉及对象数据，确定所述时间段内所述待处理的关键词与所述待追溯事件的事件相关度，包括：
对所述各个时间点上所述待处理的关键词的搜索数据，以及所述各个时间点上所述待处理的区域内的涉及对象数据，进行动态时间规整处理或者去趋势互相关分析处理，确定所述各个时间点上所述待处理的关键词的搜索数据与所述各个时间点上所述待处理的区域内的涉及对象数据之间的对应关系；
根据所述各个时间点上所述待处理的关键词的搜索数据以及对应的涉及对象数据，确定所述待处理的关键词与所述待追溯事件的事件相关度。
4.根据权利要求2或3所述的方法，其中，在针对每个时间段，根据所述时间段内各个时间点上所述待处理的关键词的搜索数据，以及所述各个时间点上所述待处理的区域内的涉及对象数据，确定所述时间段内所述待处理的关键词与所述待追溯事件的事件相关度之前，所述方法还包括：
针对每个待处理的区域内的每个待处理的关键词，对所述各个时间段内所述待处理的关键词的搜索数据进行归一化处理；
对所述各个时间段内所述待处理的区域内的涉及对象数据进行归一化处理。
5.根据权利要求1所述的方法，其中，所述根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，从各个所述待处理的关键词中选择目标关键词，包括：
针对每个待处理的区域，根据所述待处理的区域内各个所述待处理的关键词的事件相关度序列，对各个所述待处理的关键词进行排序处理，得到所述待处理的区域的关键词排序结果；
从各个所述待处理的区域的关键词排序结果中选择前N个关键词，作为所述目标关键词，其中，N为非零的自然数。
6.根据权利要求1所述的方法，其中，所述根据各个待处理的区域内所述目标关键词的事件相关度突变点，确定所述待追溯事件的起源时间点以及起源区域，包括：
将各个待处理的区域内所述目标关键词的事件相关度突变点中的最早的事件相关度突变点，确定为所述起源时间点；
将所述最早的事件相关度突变点所属的区域，确定为所述起源区域。
7.一种事件追溯装置，包括：
获取模块，用于获取待追溯事件的事件相关数据，其中，所述事件相关数据包括：各个时间段各个区域内的涉及对象数据以及关键词搜索数据；所述关键词搜索数据包括与所述待追溯事件相关的多个关键词的搜索数据；
第一确定模块，用于针对每个待处理的区域内的每个待处理的关键词，根据所述各个时间段内所述待处理的关键词的搜索数据以及所述各个时间段内所述待处理的区域内的涉及对象数据，确定所述待处理的区域内所述待处理的关键词的事件相关度序列；
第二确定模块，用于根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，确定所述待追溯事件的起源时间点以及起源区域;
所述第二确定模块，具体用于：
根据各个所述待处理的区域内各个所述待处理的关键词的事件相关度序列，从各个所述待处理的关键词中选择目标关键词；
针对每个待处理的区域，根据所述待处理的区域内所述目标关键词的事件相关度序列，确定所述待处理的区域内所述目标关键词的事件相关度突变点；
根据各个待处理的区域内所述目标关键词的事件相关度突变点，确定所述待追溯事件的起源时间点以及起源区域;
所述第二确定模块，还用于：
针对每个待处理的区域，根据所述待处理的区域内所述目标关键词的事件相关度序列进行正态分布拟合处理，确定拟合的正态分布；
根据所述拟合的正态分布以及所述待处理的区域内所述目标关键词的事件相关度序列，确定对应的差值函数值最大的相关度对应的目标时间段，其中，差值函数为，以目标时间段为变量，所述目标时间段之前各个时间段上的第一拟合误差+所述目标时间段之后各个时间段上的第二拟合误差-所有时间段上的第三拟合误差；
将所述目标时间段，确定为所述待处理的区域内所述目标关键词的事件相关度突变点。
8.根据权利要求7所述的装置，其中，所述第一确定模块，具体用于：
针对每个待处理的区域内的每个待处理的关键词，针对每个时间段，根据所述时间段内各个时间点上所述待处理的关键词的搜索数据，以及所述各个时间点上所述待处理的区域内的涉及对象数据，确定所述时间段内所述待处理的关键词与所述待追溯事件的事件相关度；
根据各个所述时间段内所述待处理的关键词与所述待追溯事件的事件相关度，生成所述待处理区域内所述待处理的关键词的事件相关度序列。
9.根据权利要求8所述的装置，其中，所述第一确定模块，还用于：
对所述各个时间点上所述待处理的关键词的搜索数据，以及所述各个时间点上所述待处理的区域内的涉及对象数据，进行动态时间规整处理或者去趋势互相关分析处理，确定所述各个时间点上所述待处理的关键词的搜索数据与所述各个时间点上所述待处理的区域内的涉及对象数据之间的对应关系；
根据所述各个时间点上所述待处理的关键词的搜索数据以及对应的涉及对象数据，确定所述待处理的关键词与所述待追溯事件的事件相关度。
10.根据权利要求8或9所述的装置，其中，所述装置还包括：
处理模块，用于针对每个待处理的区域内的每个待处理的关键词，对所述各个时间段内所述待处理的关键词的搜索数据进行归一化处理；以及
对所述各个时间段内所述待处理的区域内的涉及对象数据进行归一化处理。
11.根据权利要求7所述的装置，其中，所述第二确定模块，还用于：
针对每个待处理的区域，根据所述待处理的区域内各个所述待处理的关键词的事件相关度序列，对各个所述待处理的关键词进行排序处理，得到所述待处理的区域的关键词排序结果；
从各个所述待处理的区域的关键词排序结果中选择前N个关键词，作为所述目标关键词，其中，N为非零的自然数。
12.根据权利要求7所述的装置，其中，所述第二确定模块，还用于：
将各个待处理的区域内所述目标关键词的事件相关度突变点中的最早的事件相关度突变点，确定为所述起源时间点；
将所述最早的事件相关度突变点所属的区域，确定为所述起源区域。
13.一种电子设备，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权利要求1-6中任一项所述的方法。
14.一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根据权利要求1-6中任一项所述的方法。
CN202110680960.7A 2021-06-18 2021-06-18 事件追溯方法、装置、电子设备及存储介质 Active CN113553407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110680960.7A CN113553407B (zh) 2021-06-18 2021-06-18 事件追溯方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110680960.7A CN113553407B (zh) 2021-06-18 2021-06-18 事件追溯方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113553407A CN113553407A (zh) 2021-10-26
CN113553407B true CN113553407B (zh) 2022-09-27

Family

ID=78102211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110680960.7A Active CN113553407B (zh) 2021-06-18 2021-06-18 事件追溯方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113553407B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104778202B (zh) * 2015-02-05 2018-08-14 北京航空航天大学 基于关键词的事件演化过程的分析方法及***
CN108255933A (zh) * 2017-12-07 2018-07-06 北京大学 一种社交媒体动态事件演变可视分析方法及***
KR102041915B1 (ko) * 2018-02-09 2019-11-07 (주)다음소프트 인공지능을 활용한 데이터베이스 모듈 및 이를 이용하는 경제데이터 제공 시스템 및 방법
CN110555108B (zh) * 2018-05-31 2022-03-15 北京百度网讯科技有限公司 事件脉络生成方法、装置、设备及存储介质
CN110222249B (zh) * 2019-05-06 2024-05-31 平安科技（深圳）有限公司 数据存储方法、装置、计算机设备及存储介质
CN110175293B (zh) * 2019-05-30 2021-01-29 北京小米智能科技有限公司 一种确定新闻脉络的方法、装置及电子设备
CN112307360B (zh) * 2019-07-30 2023-08-25 百度在线网络技术（北京）有限公司 基于搜索引擎的区域性事件检测方法、装置和搜索引擎
CN110543457A (zh) * 2019-09-11 2019-12-06 北京明略软件***有限公司 轨迹类文档处理方法和装置、存储介质及电子装置
CN112328747B (zh) * 2020-11-06 2024-05-24 平安科技（深圳）有限公司 事件脉络生成方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN113553407A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
JP7438303B2 (ja) ディープラーニングモデルのトレーニング方法、自然言語処理方法及び装置、電子機器、記憶媒体及びコンピュータプログラム
CN114492831B (zh) 联邦学习模型的生成方法及其装置
CN113360580A (zh) 基于知识图谱的异常事件检测方法、装置、设备及介质
US20230177326A1 (en) Method and apparatus for compressing neural network model
CN113407850A (zh) 一种虚拟形象的确定和获取方法、装置以及电子设备
CN114861059A (zh) 资源推荐方法、装置、电子设备及存储介质
CN114490965B (zh) 问题处理方法、装置、电子设备和存储介质
EP4134838A1 (en) Word mining method and apparatus, electronic device and readable storage medium
CN114743586B (zh) 存储器模型的镜像存储实现方法、装置及存储介质
CN113553407B (zh) 事件追溯方法、装置、电子设备及存储介质
CN113408304B (zh) 文本翻译方法、装置、电子设备及存储介质
CN114817476A (zh) 语言模型的训练方法、装置、电子设备和存储介质
CN115292467A (zh) 信息处理与模型训练方法、装置、设备、介质及程序产品
CN113408632A (zh) 提高图像分类准确性的方法、装置、电子设备及存储介质
CN115840867A (zh) 数学解题模型的生成方法、装置、电子设备和存储介质
CN115641481A (zh) 用于训练图像处理模型和图像处理的方法、装置
CN114445682A (zh) 训练模型的方法、装置、电子设备、存储介质及产品
CN113361575A (zh) 模型训练方法、装置和电子设备
CN114078274A (zh) 人脸图像检测方法、装置、电子设备以及存储介质
CN114119972A (zh) 模型获取及对象处理方法、装置、电子设备及存储介质
CN114330221A (zh) 计分板实现方法、计分板、电子设备及存储介质
CN112632999A (zh) 命名实体识别模型获取及命名实体识别方法、装置及介质
CN112905743A (zh) 文本对象检测的方法、装置、电子设备和存储介质
CN115168727B (zh) 用户习惯的挖掘方法、装置及电子设备
CN113239296B (zh) 小程序的展示方法、装置、设备和介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant