[发明专利]一种关联新闻的确定方法以及装置

说明书

本发明公开了一种关联新闻的确定方法以及装置，其中，所述方法包括：选取一新闻作为某一新闻类别的标杆新闻；计算其他新闻与所述标杆新闻之间的距离；当所述其他新闻与所述标杆新闻之间的距离不大于设定的阈值时，确定所述其他新闻为所述新闻类别的关联新闻。本发明的关联新闻的确定方法以及装置能够有效的降低新闻稿件聚类过程中相关度计算的计算量，能够提高关联新闻确定的速度和效率。

技术领域

本发明涉及互联网技术领域，尤其涉及一种关联信息确定的方法和系统。

背景技术

随着互联网技术的不断发展和日益普及，新闻用户所面对的信息量正在以惊人的速度增长，对能够方便地获取自己感兴趣的新闻信息的需求越来越迫切。

由于新闻信息量急速增加，新闻类别越发细化，并具有很强的实时性，往往更新迅速，时效极短，因此对新闻进行有效的分类，以提供给不同的用户或者提供给不同的应用是十分重要的。

现有技术中，存在一种对新闻进行分类的方法，具体为计算新闻稿件之间的相关度，从而确定具有一定相关度的新闻簇。

现有技术中的这种方法虽然能够聚类有一定相关度的新闻，但是，新闻稿件之间的相关度的均需要计算后才能得到聚类结果，计算量大，计算效率不够高，难以快速确定关联新闻。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决或者减缓上述问题的一种关联新闻的确定的方法和装置。

根据本发明的一个方面，提供了一种关联新闻的确定方法，包括：选取一新闻作为某一新闻类别的标杆新闻；计算其他新闻与标杆新闻之间的距离；当其他新闻与标杆新闻之间的距离不大于设定的阈值时，确定其他新闻为此新闻类别的关联新闻。

可选地，在根据本发明的实施例的关联新闻的确定方法中，新闻包括：新闻标题，新闻摘要，或新闻全文。

可选地，在根据本发明的实施例的关联新闻的确定方法中，距离由其他新闻的特征向量与标杆新闻的特征向量的交集确定。

可选地，在根据本发明的实施例的关联新闻的确定方法中，距离由其他新闻的特征向量与标杆新闻的特征向量的内积或夹角的余弦确定。

可选地，在根据本发明的实施例的关联新闻的确定方法中，距离由其他新闻的特征向量的最小哈希值与标杆新闻的特征向量的最小哈希值确定。

可选地，在根据本发明的实施例的关联新闻的确定方法中，特征向量的构成具体为将新闻进行分词处理后形成字词序列，根据字词序列中字词出现频率由高到低的顺序重新排列字词顺序，由前至后取出预设数量的字词作为新闻的特征向量。

可选地，在根据本发明的实施例的关联新闻的确定方法中，将新闻进行分词处理后进一步进行去无用信息处理再形成排序前的字词序列。

可选地，在根据本发明的实施例的关联新闻的确定方法中，对已经确定为所述新闻类别的新闻根据以下因素中的至少一个进行排序：点击率、新闻转载率、以及评论数量，将排在第一的新闻作为所述标杆新闻。

根据本发明的另一个方面，提供了一种关联新闻的确定装置，包括选取装置，用于选取一新闻作为某一新闻类别的标杆新闻；距离计算装置，用于计算其他新闻与标杆新闻之间的距离；关联新闻确定装置，用于当其他新闻与标杆新闻之间的距离不大于设定的阈值时，确定其他新闻为新闻类别的关联新闻。

可选地，在根据本发明的实施例的关联新闻的确定装置中，新闻包括：新闻标题，新闻摘要，或新闻全文。

可选地，在根据本发明的实施例的关联新闻的确定装置中，距离由其他新闻的特征向量与标杆新闻的特征向量的交集确定。

可选地，在根据本发明的实施例的关联新闻的确定装置中，距离由其他新闻的特征向量与标杆新闻的特征向量的内积或夹角的余弦确定。