[发明专利]能自动抓取和播报新闻的方法及其机器人装置在审
| 申请号： | 201710041170.8 | 申请日： | 2017-01-20 |
| 公开（公告）号： | CN106933944A | 公开（公告）日： | 2017-07-07 |
| 发明（设计）人： | 纪江霖;吴勇谋 | 申请（专利权）人： | 深圳前海勇艺达机器人有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京金蓄专利代理有限公司11544 | 代理人： | 孙巍 |
| 地址： | 518061 广东省深圳市南*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 自动 抓取 播报 新闻 方法 及其 机器人 装置 | ||
1.一种能自动抓取和播报新闻的方法，其特征在于，至少包括以下步骤：
获取新闻网页，指定初始种子连接和抓取深度，抓取相关网页；
采用正则表达式抽取导航栏连接，进行网页去噪，提取正文内容；
对提取的正文内容进行网页去重；
对去重后的网页内容进行中文分词；
对分词后的网页进行新闻文本分类；
语音播报分类后的新闻。
2.根据权利要求1所述的能自动抓取和播报新闻的方法，其特征在于，使用开源工具nutch进行相关网页抓取。
3.根据权利要求1所述的能自动抓取和播报新闻的方法，其特征在于，使用开源工具BoilerPipe进行网页去噪。
4.根据权利要求1所述的能自动抓取和播报新闻的方法，其特征在于，采用开源算法Simhash进行网页去重。
5.根据权利要求1所述的能自动抓取和播报新闻的方法，其特征在于，使用朴素贝叶斯分类算法进行新闻文本分类。
6.一种能自动抓取和播报新闻的机器人装置，其特征在于，至少包括：
网页抓取单元，用于获取新闻网页，指定初始种子连接和抓取深度，抓取相关网页；
网页去噪单元，用于采用正则表达式抽取导航栏连接，进行网页去噪，提取正文内容；
网页去重单元，用于对提取的正文内容进行网页去重；
中文分词单元，用于对去重后的网页内容进行中文分词；
文本分类单元，用于对分词后的网页进行新闻文本分类；
语音播报单元，用于语音播报分类后的新闻。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海勇艺达机器人有限公司，未经深圳前海勇艺达机器人有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710041170.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于记录时间差的朋友推荐方法
- 下一篇：城市生态安全空间格局模型构建方法
