[發(fā)明專利]網(wǎng)絡(luò)社區(qū)熱點(diǎn)內(nèi)容的判別方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011041866.9
• 申請(qǐng)日: 2020-09-28
• 公開（公告）號(hào): CN112115334B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 肖鋒;逄增耀
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F16/951
• 分類號(hào): G06F16/951;G06N20/00;G06F40/284
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

1.一種網(wǎng)絡(luò)社區(qū)熱點(diǎn)內(nèi)容的判別方法，包括：

接收到根據(jù)用戶對(duì)網(wǎng)絡(luò)社區(qū)內(nèi)帖子的操作行為確定的觸發(fā)信號(hào)；

獲取帖子的屬性信息特征；

將所述帖子的屬性信息特征輸入至預(yù)先訓(xùn)練的判別模型，進(jìn)行熱點(diǎn)內(nèi)容判別，得到屬于熱點(diǎn)內(nèi)容的帖子；

其中，所述將所述帖子的屬性信息特征輸入至預(yù)先訓(xùn)練的判別模型，進(jìn)行熱點(diǎn)內(nèi)容判別包括：

將所述帖子的屬性信息特征輸入至預(yù)先訓(xùn)練的邏輯回歸模型，得到所述帖子的第一分?jǐn)?shù)；

將所述帖子的文本信息輸入至自然語言處理分詞模型，得到分詞集合；

將所述分詞集合輸入至搜索加權(quán)模型，得到所述帖子的第二分?jǐn)?shù)，其中，所述搜索加權(quán)模型基于每個(gè)分詞的搜索頻次確定對(duì)應(yīng)的權(quán)重分?jǐn)?shù)；

基于所述帖子的第一分?jǐn)?shù)和第二分?jǐn)?shù)，確定所述帖子的綜合分?jǐn)?shù)，若所述帖子的綜合分?jǐn)?shù)大于或等于預(yù)定閾值，則將所述帖子標(biāo)記為熱點(diǎn)內(nèi)容。

2.根據(jù)權(quán)利要求1所述的方法，還包括：

根據(jù)所述分詞出現(xiàn)在第三方網(wǎng)絡(luò)社區(qū)的個(gè)數(shù)，利用所述搜索加權(quán)模型確定所述分詞對(duì)應(yīng)的權(quán)重分?jǐn)?shù)，得到所述帖子的第三分?jǐn)?shù)；

基于所述帖子的第一分?jǐn)?shù)、第二分?jǐn)?shù)、第三分?jǐn)?shù)，確定所述帖子的綜合分?jǐn)?shù)，若所述帖子的綜合分?jǐn)?shù)大于或等于預(yù)定閾值，則將所述帖子標(biāo)記為熱點(diǎn)內(nèi)容。

3.根據(jù)權(quán)利要求1所述的方法，其中，在將所述帖子的文本信息輸入至自然語言處理分詞模型之前，還包括：

若所述帖子的發(fā)布時(shí)間與當(dāng)前時(shí)間的時(shí)間間隔大于約定閾值，則將所述帖子標(biāo)記為非熱點(diǎn)內(nèi)容。

4.根據(jù)權(quán)利要求1所述的方法，訓(xùn)練所述邏輯回歸模型的方法包括：

獲取訓(xùn)練樣本帖子的屬性信息特征及屬性信息特征的權(quán)重信息；

標(biāo)注訓(xùn)練樣本帖子的類別；

基于訓(xùn)練樣本帖子的類別、屬性信息特征、屬性信息特征的權(quán)重信息，訓(xùn)練邏輯回歸模型，并用梯度下降對(duì)所述屬性信息特征的權(quán)重信息進(jìn)行更新，得到所述屬性信息特征的權(quán)重向量。

5.根據(jù)權(quán)利要求1所述的方法，所述將所述帖子的屬性信息特征輸入至預(yù)先訓(xùn)練的邏輯回歸模型，得到所述帖子的第一分?jǐn)?shù)包括：

若所述帖子的第一分?jǐn)?shù)小于預(yù)定閾值，則將所述帖子標(biāo)記為非熱點(diǎn)內(nèi)容。

6.一種網(wǎng)絡(luò)社區(qū)熱點(diǎn)內(nèi)容的判別裝置，其特征在于，所述裝置包括：

接收模塊，被配置為接收到根據(jù)用戶對(duì)網(wǎng)絡(luò)社區(qū)內(nèi)帖子的操作行為確定的觸發(fā)信號(hào)；

獲取模塊，被配置為獲取帖子的屬性信息特征；

判別模塊，被配置為將所述帖子的屬性信息特征輸入至預(yù)先訓(xùn)練的判別模型，進(jìn)行熱點(diǎn)內(nèi)容判別，得到屬于熱點(diǎn)內(nèi)容的帖子；

其中，所述判別模塊進(jìn)一步被配置成：

將所述帖子的屬性信息特征輸入至預(yù)先訓(xùn)練的邏輯回歸模型，得到所述帖子的第一分?jǐn)?shù)；

將所述帖子的文本信息輸入至自然語言處理分詞模型，得到分詞集合；

將所述分詞集合輸入至搜索加權(quán)模型，得到所述帖子的第二分?jǐn)?shù)，其中，所述搜索加權(quán)模型基于每個(gè)分詞的搜索頻次確定對(duì)應(yīng)的權(quán)重分?jǐn)?shù)；

基于所述帖子的第一分?jǐn)?shù)和第二分?jǐn)?shù)，確定所述帖子的綜合分?jǐn)?shù)，若所述帖子的綜合分?jǐn)?shù)大于或等于預(yù)定閾值，則將所述帖子標(biāo)記為熱點(diǎn)內(nèi)容。

7.根據(jù)權(quán)利要求6所述的裝置，其中，所述判別模塊進(jìn)一步被配置成：

根據(jù)所述分詞出現(xiàn)在第三方網(wǎng)絡(luò)社區(qū)的個(gè)數(shù)，利用所述搜索加權(quán)模型確定所述分詞對(duì)應(yīng)的權(quán)重分?jǐn)?shù)，得到所述帖子的第三分?jǐn)?shù)；

基于所述帖子的第一分?jǐn)?shù)、第二分?jǐn)?shù)、第三分?jǐn)?shù)，確定所述帖子的綜合分?jǐn)?shù)，若所述帖子的綜合分?jǐn)?shù)大于或等于預(yù)定閾值，則將所述帖子標(biāo)記為熱點(diǎn)內(nèi)容。

8.根據(jù)權(quán)利要求6所述的裝置，所述判別模塊進(jìn)一步被配置為：

在將所述帖子的文本信息輸入至自然語言處理分詞模型之前，?若所述帖子的發(fā)布時(shí)間與當(dāng)前時(shí)間的時(shí)間間隔大于約定閾值，則將所述帖子標(biāo)記為非熱點(diǎn)內(nèi)容。