[發明專利]一種數字資源熱點生成方法及裝置

有效

• 申請號: 201510933594.6
• 申請日: 2015-12-15
• 公開（公告）號: CN105528432B
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 許茜;葉茂;任彩紅;徐劍波;湯幟
• 申請（專利權）人: 北大方正集團有限公司;北京方正阿帕比技術有限公司;北京大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F17/27
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 馬永芬

1.一種數字資源熱點生成方法，其特征在于，包括如下步驟

從數字資源中提取標題和正文；

分別獲取標題相似度矩陣和正文相似度矩陣；

對所述標題相似度矩陣進行聚類，根據標題相似度聚類結果獲得標題候選熱點集；

對所述正文相似度矩陣進行聚類，根據正文相似度聚類結果獲得正文候選熱點集；

根據所述標題候選熱點集和所述正文候選熱點集獲取候選熱點集。

2.根據權利要求1所述的方法，其特征在于，獲取候選熱點集后，還包括根據候選熱點集中的每個集合內數字資源的數目以及數字資源的屬性信息確定集合的排序，將排序在前的預設數量的集合作為熱點。

3.根據權利要求1所述的方法，其特征在于，根據標題相似度聚類結果獲得標題候選熱點集的步驟包括：

獲取標題相似度聚類結果中每個集合中的數字資源的數量；

若所述數量小于第一閾值，則刪除該集合；

若所述數量位于第一閾值和第二閾值之間，則將該集合加入所述標題候選熱點集中；

若所述數量大于第二閾值，則進行二次聚類，得到二次聚類結果，獲取二次聚類結果中每個集合中的數字資源的數量，若該數量小于所述第一閾值，刪除該集合，若該數量位于第一閾值和第二閾值之間，則將該集合加入所述標題候選熱點集，若該數量大于所述第二閾值，則刪除該集合。

4.根據權利要求1所述的方法，其特征在于，根據正文相似度聚類結果獲得正文候選熱點集的步驟包括：

獲取正文相似度聚類結果中每個集合中的數字資源的數量；

若所述數量小于第一閾值，則刪除該集合；

若所述數量位于第一閾值和第二閾值之間，則將該集合加入所述正文候選熱點集中；

若所述數量大于第二閾值，則進行二次聚類，得到二次聚類結果，獲取二次聚類結果中每個集合中的數字資源的數量，若該數量小于所述第一閾值，刪除該集合，若該數量位于第一閾值和第二閾值之間，則將該集合加入所述正文候選熱點集，若該數量大于所述第二閾值，則刪除該集合。

5.根據權利要求1所述的方法，其特征在于，根據所述標題候選熱點集和所述正文候選熱點集獲取候選熱點集的步驟包括：

獲取所述標題候選熱點集和所述正文候選熱點集中存在共有數字資源的集合；

將正文候選熱點集中存在共有數字資源的集合加入所述候選熱點集，去掉所述標題候選熱點集中存在共有數字資源的集合；

對所述標題候選熱點集和所述正文候選熱點集中不存在共有數字資源的集合，獲取每個集合中的正文的關鍵詞向量，計算每兩個集合之間的相似度，若大于預設相似度閾值，則將該兩個集合合并，將合并后的集合加入候選熱點集；若不大于相似度閾值，則將該兩個集合分別加入所述候選熱點集。

6.根據權利要求1所述的方法，其特征在于，獲取候選熱點集后，還包括對所述候選熱點集進行去噪的步驟，包括：

針對候選熱點集中的每個集合，計算集合內每條數字資源與中心數字資源的相似度，若該相似度小于預設閾值，則刪除該數字資源。

7.根據權利要求1所述的方法，其特征在于，還包括：獲取標題相似度矩陣的步驟，包括：

對每篇數字資源的標題進行分詞，得到詞語集合并計算相應詞語權重；

根據所述詞語集合及權重計算任意兩個標題之間的相似度；

根據所述相似度建立標題相似度矩陣。

8.根據權利要求1-7任一所述的方法，其特征在于，還包括:獲取正文相似度矩陣的步驟，包括：

對每篇數字資源的正文進行分詞，分詞后進行停用詞及詞性過濾，得到詞語集合并計算相應詞語權重；

在所述詞語集合中獲取所述詞語權重較高的預設數量的特征詞語；

根據所述特征詞語計算任意兩篇正文之間的相似度；

根據所述相似度建立正文相似度矩陣。