2004-2019十六年热点事件库HistoryHotEventBase项目

HistoryHotEventBase

     historyhotevent projrct ,which concentrate on the dayily hot event covers the time range from 2004 to 2019, 16 years in total，从2004年至2019年共16年的每日热点事件项目，目标包括构建起从2004年至今共16年的历时热点标题数据库，构建16年历时事件热点知识库。

项目介绍

     热点挖掘是舆情分析中十分重要的内容之一，热点刻画了目前我们所生活的社会发展状况。热点从类型上来说，包括热点实体以及热点事件两种，前者主要围绕着热点的实体展开，包括热点人物、热点电影、热点电视剧、热点经典等，描述的是人类对某种事物物体的关注程度。热点事件则在语义上较热点实体更为丰富，往往包括什么人做了什么事情，引起社会的强烈关注。后者的存现载体主要有热点微博，热点新闻等。
     从热点的任务角度上来说，热点挖掘包括热点的表示，热点的发现，热点的演化追踪共三个方面的内容。其中，概括性事件表示上，大多使用话题挖掘的方式，使用热点标签词或短语进行热点表示，还是停留在一个较为抽象的层级上。目前学界关于该热点的任务主要有TDT话题检测语追踪项目以及timeline和storyline的工作，其中如何自动挖掘和生成storyline是目前热点挖掘的重点，同时也是难点所在。在工业界中，搜索公司百度凭借着搜索入口，在热点的挖掘上有先发优势，如每日推出的百度风云榜，以及热点新闻的聚类。如图1，百度每日热点风云榜，图2的热点新闻聚类。
1、百度每日热点风云榜

2、百度热点新闻聚类

     就第一张图的效果来看，主要在热点名称的概括上，很像是使用了类似频繁热点短语的方式来确定。就第二张图的效果来看，主要涉及到的技术包括热点新闻的聚类技术。
     不过，很遗憾的是，我们只能看到当日的热点，百度并不提供历时的热点查看功能，这对于历史热点的发展和挖掘来是个遗憾，因此，问题来了，如何来解决这个问题？主要有两种方式：一种是从今天开始定时抓取每日热点页面并记录到数据库，另一种是换一个方式，找具有