[发明专利]话题挖掘方法及装置、存储介质、终端

说明书

一种话题挖掘方法及装置、存储介质、终端，话题挖掘方法包括：获取新闻语料，所述新闻语料包括针对预设主体的多个新闻文本；对所述新闻语料进行话题分类，以得到多个话题以及各个话题下的新闻文本；对各个话题下的新闻文本进行统计分析，以得到各个话题下的统计特征信息；对各个话题下的新闻文本进行信息抽取，以得到各个新闻文本的文摘信息；将各个话题下的统计特征信息与各个新闻文本的文摘信息结合进行展示。本发明技术方案能够实现对新闻话题发展过程的挖掘以及展示。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种话题挖掘方法及装置、存储介质、终端。

背景技术

在舆论自由的背景下，热点新闻更易成为公众议论的集中点和矛盾爆发点，有助于政府和传媒工作者掌握事态发展趋势，提高对热点事件处理的主动性。同时，挖掘热点新闻话题演化轨迹能帮助公众更加快速全面地了解事件的演化轨迹,避免浅尝辄止和产生偏颇的观点。

通常而言，预测话题的方法主要包括：聚类检测话题，计算热点话题，对话题进行情感分类，这些方法能展示最热话题以及历史新闻话题，并展示当时的情感。

但是，现有技术中仅能对新闻话题进行简单的展示和聚类，而当前信息量巨大，简单的话题展示不能满足用户深度了解新闻的需求。

发明内容

本发明解决的技术问题是如何实现对新闻话题发展过程的挖掘以及展示。

为解决上述技术问题，本发明实施例提供一种话题挖掘方法，话题挖掘方法包括：获取新闻语料，所述新闻语料包括针对预设主体的多个新闻文本；对所述新闻语料进行话题分类，以得到多个话题以及各个话题下的新闻文本；对各个话题下的新闻文本进行统计分析，以得到各个话题下的统计特征信息；对各个话题下的新闻文本进行信息抽取，以得到各个新闻文本的文摘信息；将各个话题下的统计特征信息与各个新闻文本的文摘信息结合进行展示。

可选的，所述对各个话题下的新闻文本进行统计分析，以得到各个话题下的统计特征信息包括：分析确定每个话题下各个新闻文本的情感分类；统计属于各个情感分类的新闻文本的数量。

可选的，所述对各个话题下的新闻文本进行信息抽取包括：确定各个话题下的新闻文本中具备依存关系的各个词语，以作为所述文摘信息。

可选的，所述具备依存关系的各个词语包括如下至少一项：主语、谓语、宾语、时间以及地点。

可选的，所述对各个话题下的新闻文本进行信息抽取包括：如果新闻文本包含长文本，则将所述长文本分割为多个短文本，所述长文本为字数大于第一预设值的文本，所述短文本为字数小于第二预设值的文本，所述第一预设值大于第二预设值；至少对所述多个短文本进行信息抽取。

可选的，所述至少对所述多个短文本进行信息抽取包括：对所述多个短文本进行去重处理；对去重后的短文本进行信息抽取。

可选的，所述将各个话题下的统计特征信息与各个话题下各个新闻文本的文摘信息结合进行展示包括：将各个话题在多个时间节点下的统计特征信息按照时间顺序进行展示，所述统计特征信息是按照所述多个时间节点进行统计的；将各个话题下各个新闻文本的文摘信息按照所述多个时间节点的时间顺序进行展示，其中，每个新闻文本具备时间节点。

可选的，每个新闻文本具有情感分类，所述将各个话题下的统计特征信息与各个话题下各个新闻文本的文摘信息结合进行展示还包括：在展示每个新闻文本的文摘信息时，一并展示所述新闻文本的情感分类。

可选的，所述统计特征信息选自新闻文本总数量、属于各个情感分类的新闻文本的数量、各个新闻文本下的评论数量以及各个新闻文本下的评论情感倾向。