[发明专利]获取目标类别的文章的方法和装置

权利要求书

1.一种获取目标类别的文章的方法，其特征在于，所述方法包括：

获取目标时间段内的m篇文章，其中m为正整数；

根据所述m篇文章的标题，将所述m篇文章划分至k个候选文章集合中，同一个候选文章集合中的文章和同一个新闻事件相关，其中k为正整数，且小于或等于m；

根据各新闻事件对应的候选文章集合中的文章数量，在各新闻事件对应的候选文章集合中，将文章数量不少于数量阈值的候选文章集合，确定为目标文章集合；

根据所述目标文章集合中各个文章的内容，以及完成训练的分类模型，筛选出属于目标类别的文章，作为所述目标文章集合中的待发布文章；

将所述目标文章集合中的待发布文章，发布在目标应用程序中。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据文章所在内容号的关注用户数、文章的阅读量、文章的点赞数和文章的评论数，确定所述目标文章集合中的各个待发布文章的热度分值；

在所述目标文章集合中，根据所述各个待发布文章的热度分值，确定排在前p名的待发布文章，其中p为正整数；

所述将所述目标文章集合中的待发布文章，发布在目标应用程序中，包括：

将所述目标文章集合中排在前p名的待发布文章，发布在目标应用程序中。

3.根据权利要求1所述的方法，其特征在于，所述分类模型是根据如下步骤训练得到的：

获取训练样本，所述训练样本包括样本文章和所述样本文章的样本标签，所述样本文章包括目标类别的文章和非目标类别的文章，所述样本标签包括目标类别的标签和非目标类别的标签；

对所述训练样本的样本文章进行重要词语提取，得到所述样本文章的重要词语；

将所述样本文章的重要词语输入到待训练的分类模型，得到所述样本文章的测试标签；

根据所述样本文章的测试标签和样本标签，对所述待训练的分类模型进行训练，得到所述分类模型。

4.根据权利要求3所述的方法，其特征在于，所述对所述训练样本的样本文章进行重要词语提取，得到所述样本文章的重要词语，包括：

对所述训练样本的样本文章的内容进行切词，得到所述样本文章的多个词语；

在所述样本文章的多个词语中，根据词频TF和逆文本频率指数IDF的乘积，确定所述样本文章中TF和IDF的乘积排在前q名的词语，作为关键词语，其中q为正整数；

在所述样本文章的多个词语中，根据所述目标类别的词语库中的术语，确定所述样本文章中属于所述目标类别的术语；

将所述样本文章中的关键词语和术语，作为所述样本文章的重要词语。

5.一种获取目标类别的文章的装置，其特征在于，所述装置包括：

获取模块，用于获取目标时间段内的m篇文章，其中m为正整数；

聚类模块，用于根据所述m篇文章的标题，将所述m篇文章划分至k个候选文章集合中，同一个候选文章集合中的文章和同一个新闻事件相关，其中k为正整数，且小于或等于m；

第一筛选模块，用于根据各新闻事件对应的候选文章集合中的文章数量，在各新闻事件对应的候选文章集合中，将文章数量不少于数量阈值的候选文章集合，确定为目标文章集合；

第二筛选模块，用于根据所述目标文章集合中各个文章的内容，以及完成训练的分类模型，筛选出属于目标类别的文章，作为所述目标文章集合中的待发布文章；

发布模块，用于将所述目标文章集合中的待发布文章，发布在目标应用程序中。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括：

打分模块，用于根据文章所在内容号的关注用户数、文章的阅读量、文章的点赞数和文章的评论数，确定所述目标文章集合中的各个待发布文章的热度分值；

第三筛选模块，用于在所述目标文章集合中，根据所述各个待发布文章的热度分值，确定排在前p名的待发布文章，其中p为正整数；

所述发布模块，具体用于将所述目标文章集合中排在前p名的待发布文章，发布在目标应用程序中。