[发明专利]新闻稿件话题聚类的方法和系统在审
| 申请号： | 201711452903.3 | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108255978A | 公开（公告）日： | 2018-07-06 |
| 发明（设计）人： | 郭庆;谢莹莹;李晋钢 | 申请（专利权）人： | 曙光信息产业（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京德恒律治知识产权代理有限公司 11409 | 代理人： | 章社杲;卢军峰 |
| 地址： | 100193 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 稿件 话题 聚类 历史新闻 实时新闻 新闻稿件 层次树 抽取 分析处理技术 分析处理 应用效果 大数据 相似度 | ||
1.一种新闻稿件话题聚类的方法，其特征在于，包括：
S1，抽取历史新闻稿件；
S2，抽取实时新闻稿件；
S3，对所述历史新闻稿件进行分析处理，形成所述历史新闻稿件的话题层次树；
S4，根据所述实时新闻稿件与话题层次树中的话题的相似度，将所述实时新闻稿件添加到所述话题层次树中。
2.根据权利要求1所述的新闻稿件话题聚类的方法，其特征在于，步骤S3包括：
对所述历史新闻稿件进行话题聚类；
对历史新闻稿件话题进行层次聚类。
3.根据权利要求2所述的新闻稿件话题聚类的方法，其特征在于，利用Canopy聚类算法和LDA算法进行所述话题聚类和所述层次聚类。
4.根据权利要求1所述的新闻稿件话题聚类的方法，其特征在于，步骤S4具体包括：
计算所述话题层次树中的第一层话题的余弦相似度；
将所述实时新闻稿件添加到余弦值最大的话题中。
5.根据权利要求4所述的新闻稿件话题聚类的方法，其特征在于，步骤S4还包括：对所述余弦值最大的话题进行标记；
其中，在步骤S4之后还包括：对所述余弦值最大的话题进行层次聚类，并更新所述话题层次树。
6.一种新闻稿件话题聚类的系统，其特征在于，包括：
历史新闻稿件抽取模块，用于抽取历史新闻稿件；
实时新闻稿件抽取模块，用于抽取实时新闻稿件；
分析模块，用于对所述历史新闻稿件进行分析处理，并形成所述历史新闻稿件的话题层次树；
增量添加模块，用于根据所述实时新闻稿件与话题层次树中的话题的相似度，并将所述实时新闻稿件添加到所述话题层次树中。
7.根据权利要求6所述的新闻稿件话题聚类的系统，其特征在于，所述分析模块包括：
话题聚类模块，用于对所述历史新闻稿件进行话题聚类；
层次聚类模块，用于对历史新闻稿件话题进行层次聚类。
8.根据权利要求7所述的新闻稿件话题聚类的系统，其特征在于，所述话题聚类模块和所述层次聚类模块分别利用Canopy聚类算法和LDA算法进行所述话题聚类和所述层次聚类。
9.根据权利要求6所述的新闻稿件话题聚类的系统，其特征在于，所述增量添加模块包括：
计算子模块，用于计算所述话题层次树中的第一层话题的余弦相似度；
添加子模块，用于将所述实时新闻稿件添加到余弦值最大的话题中。
10.根据权利要求9所述的新闻稿件话题聚类的系统，其特征在于，所述增量添加模块还包括：标记子模块，用于对所述余弦值最大的话题进行标记；
其中，所述新闻稿件话题聚类的系统还包括：维护模块，用于对所述余弦值最大的话题进行层次聚类，并更新所述话题层次树。
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曙光信息产业（北京）有限公司，未经曙光信息产业（北京）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/201711452903.3/1.html，转载请声明来源钻瓜专利网。
