1.一种新闻热点的发现方法，其特征在于，包括：
a、采集互联网中与新闻相关且已知是否为热点的原始数据，所述原始数据的条数大于一百万，设置迭代次数n为1，对关键指标库进行初始化；
b、从所述原始数据中筛选出具有中立性且无偏向的数据；对所筛选出的数据进行结构化和去噪处理，并按照预设的分组比例对所述处理后的数据进行分组，得到一组样本数据和一组测试数据；
c、根据所述样本数据、所述关键指标库和第n-1次迭代时确定出的最优混合聚类模型，确定本次迭代的混合聚类模型并进行评分；
d、利用所述测试数据，对所述混合聚类模型进行验证，如果验证通过，则将所述混合聚类模型作为用于发现热点的混合聚类模型，否则，从前n次迭代中获得的所有混合聚类模型中选择出分值最高的模型，作为当前的最优混合聚类模型，利用在所述评分过程中确定出的热点数据的属性，更新当前的所述关键指标库；并将迭代次数n加1，执行步骤c；
e、采集新的新闻数据，并利用所述用于发现热点的混合聚类模型，从中识别出热点新闻数据。
2.根据权利要求1所述的方法，其特征在于，步骤a中根据预先获取的专家经验数据对关键指标库进行初始化。
3.根据权利要求1所述的方法，其特征在于，步骤b中所述筛选包括：
根据预设的属性对所述原始数据进行分类，将所述分类后的数据与预设的校对数据进行比较，确定出所述具有中立性且无偏向的数据。
4.根据权利要求1所述的方法，其特征在于，步骤b中所述结构化和去噪处理包括：
按照预设的聚合模型，对所述筛选出的数据进行清洗转换处理，得到相应的聚合数据；
对所述聚合数据进行去噪处理，并按照所述分组比例对所述去噪处理后的数据进行分组，得到所述样本数据组和测试数据组。
5.根据权利要求1所述的方法，其特征在于，所述关键指标库中的信息包括：热点指标以及每个热点指标的取值。
6.根据权利要求1所述的方法，其特征在于，所述分组比例为样本数据与测试数据的比值，所述分组比例大于1。
7.根据权利要求1所述的方法，其特征在于，步骤c中所述确定本次迭代的混合聚类模型并进行评分包括：
根据所述关键指标库，对所述样本数据进行Canopy聚类，并对所述Canopy聚类结果进行K均值KMeans精细化聚类，得到相应的聚类模型；
根据所述关键指标库，利用迭代二叉树3代ID3算法和决策树C4.5算法C45对所述样本数据进行处理，得到相应的预测模型；
根据所述关键指标库，对所述样本数据进行打标签和切词后，利用支持向量机SVM算法，生成相应的情感分析模型；
对于每个所述模型，利用所述样本数据对该模型进行验证，并根据该验证结果确定第n次迭代中该模型的混合得分值；
按照wn＝xn·a+yn·b+zn·c，确定第n次迭代的混合聚类模型Wn和该混合聚类模型的得分值wn，其中，xn为所述聚类模型在第n次迭代的所述混合得分值，a为预设的聚类模型的混合权重，yn为所述预测模型在第n次迭代的所述混合得分值，b为预设的预测模型的混合权重，zn为所述情感分析模型在第n次迭代的所述混合得分值，c为预设的情感分析模型的混合权重，a+b+c＝1。
8.根据权利要求7所述的方法，其特征在于，步骤c中所述对于每个所述模型，利用所述样本数据对该模型进行验证，并根据该验证结果确定第n次迭代中该模型的混合得分值包括：
对于每个所述模型，利用该模型判断每条所述测试数据是否为热点数据，并确定该判断的正确性，根据该模型对所有所述测试数据进行判断的准确率，确定第n次迭代中该模型的混合得分值。
9.根据权利要求7所述的方法，其特征在于，步骤d中所述验证包括：
对于每条所述测试数据，利用本次迭代得到的所述混合聚类模型，判断该测试数据是否为热点数据；并确定该判断结果是否正确；
如果所有所述测试数据对应的所述判断结果均正确，则确定所述验证通过，否则，确定所述验证不通过。