[發(fā)明專利]一種關(guān)聯(lián)新聞的確定方法以及裝置

有效

• 申請?zhí)枺?/td>: 201510974713.2
• 申請日: 2015-12-22
• 公開（公告）號: CN105653598B
• 公開（公告）日: 2019-07-09
• 發(fā)明（設(shè)計(jì)）人: 張伸正;魏少俊;陳培軍
• 申請（專利權(quán)）人: 北京奇虎科技有限公司;奇智軟件（北京）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35
• 代理公司: 北京市浩天知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11276
• 代理人: 宋菲

1.一種關(guān)聯(lián)新聞的確定方法，包括步驟：

選取多個(gè)新聞作為某一新聞?lì)悇e的多個(gè)標(biāo)桿新聞；

計(jì)算其他新聞與所述多個(gè)標(biāo)桿新聞之間的距離；

當(dāng)所述其他新聞與所述多個(gè)標(biāo)桿新聞之間的距離不大于設(shè)定的閾值時(shí)，確定所述其他新聞為所述新聞?lì)悇e的關(guān)聯(lián)新聞；

所述設(shè)定的閾值，用于調(diào)整標(biāo)桿新聞權(quán)重，確定標(biāo)桿新聞對確定關(guān)聯(lián)新聞的作用；

對已經(jīng)確定為所述新聞?lì)悇e的新聞根據(jù)以下因素進(jìn)行排序：點(diǎn)擊率、新聞轉(zhuǎn)載率、以及評論數(shù)量，將排在前面的多個(gè)新聞作為所述多個(gè)標(biāo)桿新聞；或隨機(jī)選取M個(gè)已經(jīng)聚類的新聞，通過計(jì)算M個(gè)新聞之間的距離，按照與其他新聞M-1個(gè)新聞距離之和進(jìn)行排序，將距離短的多個(gè)新聞作為所述標(biāo)桿新聞；

對發(fā)布時(shí)間超過一定時(shí)間閾值的新聞，不選擇其作為所述標(biāo)桿新聞。

2.根據(jù)權(quán)利要求1所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述新聞包括：新聞標(biāo)題，新聞?wù)蛐侣勅摹?/p>

3.根據(jù)權(quán)利要求2所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述距離由所述其他新聞的特征向量分別與所述多個(gè)標(biāo)桿新聞的特征向量的交集確定。

4.根據(jù)權(quán)利要求3所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述距離由所述其他新聞的特征向量分別與所述多個(gè)標(biāo)桿新聞的特征向量的內(nèi)積或夾角的余弦確定。

5.根據(jù)權(quán)利要求4所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述距離由所述其他新聞的特征向量的最小哈希值與所述多個(gè)標(biāo)桿新聞的特征向量的最小哈希值確定。

6.根據(jù)權(quán)利要求5所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述特征向量的構(gòu)成具體為將新聞進(jìn)行分詞處理后形成字詞序列，根據(jù)字詞序列中字詞出現(xiàn)頻率由高到低的順序重新排列字詞順序，由前至后取出預(yù)設(shè)數(shù)量的字詞作為所述新聞的特征向量。

7.根據(jù)權(quán)利要求6所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述將新聞進(jìn)行分詞處理后進(jìn)一步進(jìn)行去無用信息處理再形成排序前的字詞序列。

8.根據(jù)權(quán)利要求7所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述當(dāng)所述其他新聞與所述多個(gè)標(biāo)桿新聞之間的距離不大于設(shè)定的閾值中的閾值均不相同或至少兩個(gè)不相同。

9.根據(jù)權(quán)利要求7所述的關(guān)聯(lián)新聞的確定方法，其特征在于，所述當(dāng)所述其他新聞與所述多個(gè)標(biāo)桿新聞之間的距離不大于設(shè)定的閾值中的閾值是相同的。