[发明专利]文章新章节的检测方法及装置

说明书

技术领域

本发明涉及互联网技术领域，特别涉及一种文章新章节的检测方法及装置。

背景技术

随着互联网网络科技的发展，越累越多的人们可以通过互联网进行各种活动，例如人们可以通过互联网阅读一些连载的文章等等。

现有技术中，随着网络文章的日益火爆也催生了越来越多的文章网站的诞生，据不完全统计，各种中小型文章网站数量已经达到数十万个，其质量良莠不齐，经常存在一些盗取内容甚至制造虚假的新章节以骗取文章用户点击，伤害用户体验的行为。作为文章聚合平台，在抓取这些网站的文章的新章节数据后，对文章的新章节进行人工审核，将虚假的新章节识别出来并及时过滤掉，以向用户提供较高质量的文章。该方案为提高文章聚合平台质量、优化用户阅读体验的重要环节。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：上述现有的采用人工审核的方式审核文章的新章节的方法，审核时间较长，导致文章的新章节不能被及时推送。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种文章新章节的检测方法及装置。所述技术方案如下：

一方面，提供了一种文章新章节的检测方法，所述方法包括：

确定文章的已检测章节的第一主题词向量；所述第一主题词向量用于标识所述文章的已检测章节的内容；

确定所述文章的新章节的第二主题词向量；所述第二主题词向量用于标识所述文章的新章节的内容；

计算所述第一主题词向量和所述第二主题词向量的相似度；

根据所述相似度与预设相似度阈值的大小关系，判断所述新章节是否为所述文章的虚假章节。

另一方面，提供了一种文章新章节的检测装置，所述装置包括：

第一确定模块，用于确定文章的已检测章节的第一主题词向量；所述第一主题词向量用于标识所述文章的已检测章节的内容；

第二确定模块，用于确定所述文章的新章节的第二主题词向量；所述第二主题词向量用于标识所述文章的新章节的内容；

计算模块，用于计算所述第一主题词向量和所述第二主题词向量的相似度；

判断模块，用于根据所述相似度与预设相似度阈值的大小关系，判断所述新章节是否为所述文章的虚假章节。

本发明实施例的文章新章节的检测方法及装置，通过确定文章的已检测章节的第一主题词向量；第一主题词向量用于标识文章的已检测章节的内容；确定文章的新章节的第二主题词向量；第二主题词向量用于标识文章的新章节的内容；计算第一主题词向量和第二主题词向量的相似度；根据相似度与预设相似度阈值的大小关系，判断新章节是否为文章的虚假章节。采用本发明实施例的技术方案，整个文章新章节的检测流程不需要人工干预，代价极低，可以避免采用人工审核的方式审核文章的新章节，可以有效地节省人力成本。而且采用本发明实施例的技术方案，通过智能化地有效地深入分析文章的已检测章节及新章节，能够准确地确定出新章节是否为虚假章节。本发明实施例的技术方案在线识别过程仅需要毫秒级，丝毫不影响章节推送速度，从而能够在新章节为有效章节时，及时的推送新章节，有效地保证了文章新章节的推送效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的文章新章节的检测方法的流程图；

图2为本发明另一实施例提供的文章新章节的检测方法的流程图；

图3为本发明一实施例提供的文章新章节的检测装置的结构示意图；

图4为本发明另一实施例提供的文章新章节的检测装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1为本发明一实施例提供的文章新章节的检测方法的流程图。如图1所示，本实施例的文章新章节的检测方法，具体可以包括如下步骤：

100、确定文章的已检测章节的第一主题词向量；

其中第一主题词向量用于标识文章的已检测章节的内容；本实施例的已检测章节为该文章的已经确定的有效章节，该有效章节可以理解为采用本发明实施例的方法已经确定为有效章节的章节。需要说明的是，在确定该文章的第一章节时，由于不存在已检测章节，不能采用本发明实施例的方法，可以采用人工审核的方法审核第一章节是否为有效章节。