[發明專利]新聞稿件話題聚類的方法和系統在審
| 申請號： | 201711452903.3 | 申請日： | 2017-12-28 |
| 公開（公告）號： | CN108255978A | 公開（公告）日： | 2018-07-06 |
| 發明（設計）人： | 郭慶;謝瑩瑩;李晉鋼 | 申請（專利權）人： | 曙光信息產業（北京）有限公司 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 北京德恒律治知識產權代理有限公司 11409 | 代理人： | 章社杲;盧軍峰 |
| 地址： | 100193 北京*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 稿件 話題 聚類 歷史新聞 實時新聞 新聞稿件 層次樹 抽取 分析處理技術 分析處理 應用效果 大數據 相似度 | ||
1.一種新聞稿件話題聚類的方法，其特征在于，包括：
S1，抽取歷史新聞稿件；
S2，抽取實時新聞稿件；
S3，對所述歷史新聞稿件進行分析處理，形成所述歷史新聞稿件的話題層次樹；
S4，根據所述實時新聞稿件與話題層次樹中的話題的相似度，將所述實時新聞稿件添加到所述話題層次樹中。
2.根據權利要求1所述的新聞稿件話題聚類的方法，其特征在于，步驟S3包括：
對所述歷史新聞稿件進行話題聚類；
對歷史新聞稿件話題進行層次聚類。
3.根據權利要求2所述的新聞稿件話題聚類的方法，其特征在于，利用Canopy聚類算法和LDA算法進行所述話題聚類和所述層次聚類。
4.根據權利要求1所述的新聞稿件話題聚類的方法，其特征在于，步驟S4具體包括：
計算所述話題層次樹中的第一層話題的余弦相似度；
將所述實時新聞稿件添加到余弦值最大的話題中。
5.根據權利要求4所述的新聞稿件話題聚類的方法，其特征在于，步驟S4還包括：對所述余弦值最大的話題進行標記；
其中，在步驟S4之后還包括：對所述余弦值最大的話題進行層次聚類，并更新所述話題層次樹。
6.一種新聞稿件話題聚類的系統，其特征在于，包括：
歷史新聞稿件抽取模塊，用于抽取歷史新聞稿件；
實時新聞稿件抽取模塊，用于抽取實時新聞稿件；
分析模塊，用于對所述歷史新聞稿件進行分析處理，并形成所述歷史新聞稿件的話題層次樹；
增量添加模塊，用于根據所述實時新聞稿件與話題層次樹中的話題的相似度，并將所述實時新聞稿件添加到所述話題層次樹中。
7.根據權利要求6所述的新聞稿件話題聚類的系統，其特征在于，所述分析模塊包括：
話題聚類模塊，用于對所述歷史新聞稿件進行話題聚類；
層次聚類模塊，用于對歷史新聞稿件話題進行層次聚類。
8.根據權利要求7所述的新聞稿件話題聚類的系統，其特征在于，所述話題聚類模塊和所述層次聚類模塊分別利用Canopy聚類算法和LDA算法進行所述話題聚類和所述層次聚類。
9.根據權利要求6所述的新聞稿件話題聚類的系統，其特征在于，所述增量添加模塊包括：
計算子模塊，用于計算所述話題層次樹中的第一層話題的余弦相似度；
添加子模塊，用于將所述實時新聞稿件添加到余弦值最大的話題中。
10.根據權利要求9所述的新聞稿件話題聚類的系統，其特征在于，所述增量添加模塊還包括：標記子模塊，用于對所述余弦值最大的話題進行標記；
其中，所述新聞稿件話題聚類的系統還包括：維護模塊，用于對所述余弦值最大的話題進行層次聚類，并更新所述話題層次樹。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于曙光信息產業（北京）有限公司，未經曙光信息產業（北京）有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201711452903.3/1.html，轉載請聲明來源鉆瓜專利網。
