[發(fā)明專利]獲取目標(biāo)類別的文章的方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010612869.7
• 申請(qǐng)日: 2020-06-30
• 公開(kāi)（公告）號(hào): CN111667023A
• 公開(kāi)（公告）日: 2020-09-15
• 發(fā)明（設(shè)計(jì)）人: 康戰(zhàn)輝
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N20/00;G06F16/9535
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 張所明

1.一種獲取目標(biāo)類別的文章的方法，其特征在于，所述方法包括：

獲取目標(biāo)時(shí)間段內(nèi)的m篇文章，其中m為正整數(shù)；

根據(jù)所述m篇文章的標(biāo)題，將所述m篇文章劃分至k個(gè)候選文章集合中，同一個(gè)候選文章集合中的文章和同一個(gè)新聞事件相關(guān)，其中k為正整數(shù)，且小于或等于m；

根據(jù)各新聞事件對(duì)應(yīng)的候選文章集合中的文章數(shù)量，在各新聞事件對(duì)應(yīng)的候選文章集合中，將文章數(shù)量不少于數(shù)量閾值的候選文章集合，確定為目標(biāo)文章集合；

根據(jù)所述目標(biāo)文章集合中各個(gè)文章的內(nèi)容，以及完成訓(xùn)練的分類模型，篩選出屬于目標(biāo)類別的文章，作為所述目標(biāo)文章集合中的待發(fā)布文章；

將所述目標(biāo)文章集合中的待發(fā)布文章，發(fā)布在目標(biāo)應(yīng)用程序中。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

根據(jù)文章所在內(nèi)容號(hào)的關(guān)注用戶數(shù)、文章的閱讀量、文章的點(diǎn)贊數(shù)和文章的評(píng)論數(shù)，確定所述目標(biāo)文章集合中的各個(gè)待發(fā)布文章的熱度分值；

在所述目標(biāo)文章集合中，根據(jù)所述各個(gè)待發(fā)布文章的熱度分值，確定排在前p名的待發(fā)布文章，其中p為正整數(shù)；

所述將所述目標(biāo)文章集合中的待發(fā)布文章，發(fā)布在目標(biāo)應(yīng)用程序中，包括：

將所述目標(biāo)文章集合中排在前p名的待發(fā)布文章，發(fā)布在目標(biāo)應(yīng)用程序中。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述分類模型是根據(jù)如下步驟訓(xùn)練得到的：

獲取訓(xùn)練樣本，所述訓(xùn)練樣本包括樣本文章和所述樣本文章的樣本標(biāo)簽，所述樣本文章包括目標(biāo)類別的文章和非目標(biāo)類別的文章，所述樣本標(biāo)簽包括目標(biāo)類別的標(biāo)簽和非目標(biāo)類別的標(biāo)簽；

對(duì)所述訓(xùn)練樣本的樣本文章進(jìn)行重要詞語(yǔ)提取，得到所述樣本文章的重要詞語(yǔ)；

將所述樣本文章的重要詞語(yǔ)輸入到待訓(xùn)練的分類模型，得到所述樣本文章的測(cè)試標(biāo)簽；

根據(jù)所述樣本文章的測(cè)試標(biāo)簽和樣本標(biāo)簽，對(duì)所述待訓(xùn)練的分類模型進(jìn)行訓(xùn)練，得到所述分類模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述訓(xùn)練樣本的樣本文章進(jìn)行重要詞語(yǔ)提取，得到所述樣本文章的重要詞語(yǔ)，包括：

對(duì)所述訓(xùn)練樣本的樣本文章的內(nèi)容進(jìn)行切詞，得到所述樣本文章的多個(gè)詞語(yǔ)；

在所述樣本文章的多個(gè)詞語(yǔ)中，根據(jù)詞頻TF和逆文本頻率指數(shù)IDF的乘積，確定所述樣本文章中TF和IDF的乘積排在前q名的詞語(yǔ)，作為關(guān)鍵詞語(yǔ)，其中q為正整數(shù)；

在所述樣本文章的多個(gè)詞語(yǔ)中，根據(jù)所述目標(biāo)類別的詞語(yǔ)庫(kù)中的術(shù)語(yǔ)，確定所述樣本文章中屬于所述目標(biāo)類別的術(shù)語(yǔ)；

將所述樣本文章中的關(guān)鍵詞語(yǔ)和術(shù)語(yǔ)，作為所述樣本文章的重要詞語(yǔ)。

5.一種獲取目標(biāo)類別的文章的裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取目標(biāo)時(shí)間段內(nèi)的m篇文章，其中m為正整數(shù)；

聚類模塊，用于根據(jù)所述m篇文章的標(biāo)題，將所述m篇文章劃分至k個(gè)候選文章集合中，同一個(gè)候選文章集合中的文章和同一個(gè)新聞事件相關(guān)，其中k為正整數(shù)，且小于或等于m；

第一篩選模塊，用于根據(jù)各新聞事件對(duì)應(yīng)的候選文章集合中的文章數(shù)量，在各新聞事件對(duì)應(yīng)的候選文章集合中，將文章數(shù)量不少于數(shù)量閾值的候選文章集合，確定為目標(biāo)文章集合；

第二篩選模塊，用于根據(jù)所述目標(biāo)文章集合中各個(gè)文章的內(nèi)容，以及完成訓(xùn)練的分類模型，篩選出屬于目標(biāo)類別的文章，作為所述目標(biāo)文章集合中的待發(fā)布文章；

發(fā)布模塊，用于將所述目標(biāo)文章集合中的待發(fā)布文章，發(fā)布在目標(biāo)應(yīng)用程序中。

6.根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括：

打分模塊，用于根據(jù)文章所在內(nèi)容號(hào)的關(guān)注用戶數(shù)、文章的閱讀量、文章的點(diǎn)贊數(shù)和文章的評(píng)論數(shù)，確定所述目標(biāo)文章集合中的各個(gè)待發(fā)布文章的熱度分值；

第三篩選模塊，用于在所述目標(biāo)文章集合中，根據(jù)所述各個(gè)待發(fā)布文章的熱度分值，確定排在前p名的待發(fā)布文章，其中p為正整數(shù)；

所述發(fā)布模塊，具體用于將所述目標(biāo)文章集合中排在前p名的待發(fā)布文章，發(fā)布在目標(biāo)應(yīng)用程序中。