[发明专利]资讯画像构建方法及装置

权利要求书

1.一种资讯画像构建方法，其特征在于，包括：

利用TFIDF算法计算资讯中词语的IDF值，选择IDF值排序在前的预设数量个词语作为第一词集；

利用TEXTRANK算法计算资讯中词语的TextRank值，选TextRank值择排序在前的同样预设数量个词语作为第二词集；

以第一词集和第二词集的交集词语作为资讯画像的主题词；

以第二词集作为资讯画像的关键词，计算关键词的词向量；

根据所述关键词的词向量确定资讯词向量表征方式；

根据主题词、关键词和资讯词向量表征方式合并构建资讯画像。

2.如权利要求1所述的资讯画像构建方法，其特征在于，还包括：

根据IDF值和TextRank值确定关键词权重。

3.如权利要求2所述的资讯画像构建方法，其特征在于，对属于第一词集和第二词集交集的词语的权重按照如下公式确定：

weights＝TextRank值×IDF值；

对属于第二词集不属于第一词集的词语的权重按照如下公式确定：

weights＝TextRank值；

其中，weights表示关键词权重；TextRank值表示关键词的TextRank值；IDF值表示关键词的IDF值。

4.如权利要求1所述的资讯画像构建方法，其特征在于，计算关键词的词向量，包括：

利用word2vector算法计算关键词的词向量。

5.如权利要求1所述的资讯画像构建方法，其特征在于，还包括：

计算关键词的词向量权重。

6.如权利要求5所述的资讯画像构建方法，其特征在于，按照如下公式计算关键词的词向量权重：

关键词的词向量权重＝关键词权重×关键词的词向量。

7.如权利要求1所述的资讯画像构建方法，其特征在于，按照如下公式根据所述关键词的词向量确定资讯词向量表征方式：

资讯词向量表征方式＝预设数量个关键词的词向量的平均值。

8.如权利要求2所述的资讯画像构建方法，其特征在于，还包括：

将关键词和关键词权重缓存到redis中。

9.如权利要求8所述的资讯画像构建方法，其特征在于，将关键词和关键词权重缓存到redis中，包括：

使用hash类型结构将关键词和关键词权重缓存到redis中，其中，hash类型结构包括key和value，其中，key为资讯id，value为预设数量个关键词及关键词权重。

10.如权利要求1所述的资讯画像构建方法，其特征在于，根据主题词、关键词和资讯词向量表征方式合并构建资讯画像，包括：

使用hive数据仓库加载主题词、关键词和资讯词向量表征方式；

根据主题词、关键词和资讯词向量表征方式合并构建资讯画像。

11.一种资讯画像构建装置，其特征在于，包括：

第一词集确定模块，用于利用TFIDF算法计算资讯中词语的IDF值，选择IDF值排序在前的预设数量个词语作为第一词集；

第二词集确定模块，用于利用TEXTRANK算法计算资讯中词语的TextRank值，选TextRank值择排序在前的同样预设数量个词语作为第二词集；

主题词确定模块，用于以第一词集和第二词集的交集词语作为资讯画像的主题词；

关键词确定模块，用于以第二词集作为资讯画像的关键词；

词向量确定模块，用于计算关键词的词向量；

资讯词向量表征方式确定模块，用于根据所述关键词的词向量确定资讯词向量表征方式；

资讯画像构建模块，用于根据主题词、关键词和资讯词向量表征方式合并构建资讯画像。