[發明專利]新聞自動生成方法、裝置、設備及存儲介質

在審

• 申請號: 202110732750.8
• 申請日: 2021-06-29
• 公開（公告）號: CN113486279A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 溫強;馬萬里
• 申請（專利權）人: 平安信托有限責任公司
• 主分類號: G06F16/958
• 分類號: G06F16/958;G06F16/955;G06F16/951;G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及數據采集技術，揭露了一種新聞自動生成方法，包括：對原始新聞網址集中各網址的頁面進行網址抓取，將抓取到的網址作為待處理網址，重復網址抓取步驟，直到原始新聞網址集中網址抓取完畢，得到標準新聞網址集，對標準新聞網址集進行過濾得到待抓取新聞網址集，根據原始新聞網址集及待抓取新聞網址集構建新聞爬取順序圖，利用新聞爬取順序圖進行數據采集，并對采集到的數據進行新聞生成及排序，得到排列新聞。此外，本發明還涉及區塊鏈技術，所述排列新聞可存儲在區塊鏈的節點中。本發明還提出一種新聞自動生成裝置、電子設備以及計算機可讀存儲介質。本發明可以解決新聞生成效率較低且時效滯后的問題。

技術領域

本發明涉及數據采集技術領域，尤其涉及一種新聞自動生成方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

公司新聞可以讓企業信息在最短時間內在網絡上展現并傳播，可以起到很好的宣傳效果，能夠提升企業影響力，是展示企業形象的窗口。企業官網發布的新聞更具有權威性，更能增加新聞發布的效果。新聞內容豐富、多樣化，可以介紹產品信息、公司簡介、公司活動、服務項目及聯系信息等，可以加深客戶對企業的了解。

傳統的新聞內容發布、修改通常由一個后臺內容管理系統完成。后臺內容管理系統需要人工登錄并新增、修改新聞，在時效滯后的同時，也需要大量的運營人工介入，人工的參與使得新聞發布工作效率低、運營成本高。

發明內容

本發明提供一種新聞自動生成方法、裝置、設備及存儲介質，其主要目的在于解決新聞生成效率較低且時效滯后的問題。

為實現上述目的，本發明提供的一種新聞自動生成方法，包括：

網址抓取步驟：利用定時抓取任務獲取原始新聞網址集，對所述原始新聞網址集中各網址的頁面進行網址抓取，將抓取到的網址作為待處理網址，并匯總所有待處理網址作為所述原始新聞網址集，重復所述網址抓取步驟，直到所述原始新聞網址集中所有網址抓取完畢，得到標準新聞網址集；

新聞爬取順序圖步驟：對所述標準新聞網址集進行過濾得到待抓取新聞網址集，根據所述利用定時抓取任務獲取的原始新聞網址集及所述待抓取新聞網址集構建新聞爬取順序圖；

新聞生成步驟：利用所述新聞爬取順序圖進行數據采集，并對采集到的數據進行新聞生成及排序，得到排列新聞。

可選地，所述利用定時抓取任務獲取原始新聞網址集，包括：

利用預設的抓取內容規則及預設的抓取時間規則設置所述定時抓取任務，并基于所述定時抓取任務從目標網址集中獲取新聞網址集；

利用預設的優先級排列順序對所述新聞網址集進行優先級排序，得到所述原始新聞網址集。

可選地，所述對所述標準新聞網址集進行過濾得到待抓取新聞網址集，包括：

利用預設的主題提取算法計算所述抓取內容規則中關鍵詞與所述標準新聞網址集中新聞網頁的頁面相似度；

將所有頁面相似度大于等于預設的相似度閾值的新聞網址匯總，得到所述待抓取新聞網址集。

可選地，所述利用預設的主題提取算法計算所述抓取內容規則中關鍵詞與所述標準新聞網址集中新聞網頁的頁面相似度，包括：

對所述新聞網頁進行分塊處理，得到文本內容塊及相關鏈接塊；

依次計算所述關鍵詞與所述文本內容塊的相似度、以及所述關鍵詞與所述相關鏈接塊的相似度，分別得到文本相似度及鏈接相似度，基于所述文本相似度及所述鏈接相似度對所述新聞頁面進行頁面相似度計算，得到所述頁面相似度。

可選地，所述依次計算所述關鍵詞與所述文本內容塊的相似度、以及所述關鍵詞與所述相關鏈接塊的相似度，分別得到文本相似度及鏈接相似度，包括：

利用下述公式執行相似度計算：