[发明专利]用于输出信息的方法和装置

说明书

本申请公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：从目标资讯网站获取资讯数据集合；确定资讯数据集合中的每条资讯数据所属的领域；对于每个领域，将资讯数据集合中属于该领域的资讯数据进行聚类分析，得到每个聚类簇中资讯数据的数量和聚类中心；对于每个领域的每个聚类簇，将该聚类簇中的聚类中心作为该领域的热点资讯，将属于该聚类簇中资讯数据的数量作为该热点资讯的资讯热度进行输出。该实施方式能够提高领域识别的准确度并提高识别热点资讯的速度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于输出信息的方法和装置。

背景技术

现有的通用的分领域的热点资讯发现还没有成熟的技术方案，都是通过各个站点的子频道进行简单的爬取和罗列。

按照传统的方法，往往是根据用户对资讯的阅读量、浏览量、评论量等数据来获取热点的资讯。对全网的资讯或者某些地域的资讯进行热点的预测和报道需要通过人工的方式收集大量的数据。并且通过人工主观判断热点资讯。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，包括：从目标资讯网站获取资讯数据集合；确定资讯数据集合中的每条资讯数据所属的领域；对于每个领域，将资讯数据集合中属于该领域的资讯数据进行聚类分析，得到每个聚类簇中资讯数据的数量和聚类中心；对于每个领域的每个聚类簇，将该聚类簇中的聚类中心作为该领域的热点资讯，将属于该聚类簇中资讯数据的数量作为该热点资讯的资讯热度进行输出。

在一些实施例中，资讯数据集合中的每条资讯数据包括资讯标题和资讯内容；以及在从目标资讯网站获取资讯数据集合之后，该方法还包括：确定资讯数据集合中的每条资讯数据的资讯标题和资讯内容之间的相似度；从资讯数据集合中删除资讯标题和资讯内容之间的相似度小于预定相似度阈值的资讯数据。

在一些实施例中，在从目标资讯网站获取资讯数据集合之后，该方法还包括：针对资讯数据集合中的每条资讯数据，将该条资讯数据与预设的过滤词集合中的过滤词进行匹配，若匹配成功，则从资讯数据集合中删除该条资讯数据。

在一些实施例中，确定资讯数据集合中的每条资讯数据所属的领域，包括：将资讯数据集合输入预设的主题模型，得到至少一个资讯主题，其中，主题模型用于表征资讯数据与资讯主题的对应关系；对于至少一个资讯主题中的每个资讯主题，从预定的领域映射表查询该资讯主题对应的领域作为该资讯主题对应的资讯数据所属的领域，其中，领域映射表用于表征资讯主题与领域的对应关系。

在一些实施例中，确定资讯数据集合中的每条资讯数据所属的领域，包括：将资讯数据集合输入预设的注意力模型，得到至少一个关注点，其中，注意力模型用于表征资讯数据与关注点的对应关系；对于至少一个关注点中的每个关注点，将该关注点输入预设的领域分类模型，得到该关注点所属的领域，并将该领域作为该关注点对应的资讯数据所属的领域，其中，领域分类模型用于表征领域与关注点的对应关系。

在一些实施例中，该方法还包括：获取点击日志，其中，点击日志包括至少一条搜索信息以及至少一条通过各至少搜索信息搜索并被点击的资讯数据；对于每个领域的每个聚类簇，执行如下步骤：确定属于该聚类簇的聚类中心与点击日志中每条被点击的资讯数据的相似度，并确定与该聚类中心的相似度大于预定相似度阈值的被点击的资讯数据；确定各条搜索信息在点击日志中出现的频次之和；将频次之和与属于该聚类簇的资讯数据的数量之和确定为该领域的该聚类簇对应的热点资讯的资讯热度。

在一些实施例中，该方法还包括：将各领域的热点资讯转换成预定格式，并将格式转换之后的热点资讯与对应的资讯热度一起保存到数据库中。