[发明专利]新闻内容推送方法、装置、存储介质及计算机设备

说明书

本发明提供一种新闻内容推送方法、装置、存储介质及计算机设备，该方法包括：获取链接，解析得到文本内容；对文本内容进行分词；采用多种关键词提取算法提取关键词，得到每种方法对应提取的关键词，根据每种方法提取的关键词累计查重，并确定重复数最多的目标关键词；将目标关键词与文本内容匹配，筛选出只含有目标关键词的文本并作为文本特征；计算文本特征的相似性对预测模型进行训练，利用训练后的预测模型与待查询文本进行预测，得到相似度值；对各个所述文本内容的相似度值排序，获取若干篇相似度值最高的所述文本内容对应的新闻。本发明提供的新闻内容推送方法，通过采用多种关键词提取算法和预测模型预测提升对于新闻信息获取的精准性。

技术领域

本发明涉及互联网信息处理技术领域，特别涉及一种新闻内容推送方法、装置、存储介质及计算机设备。

背景技术

随着互联网信息技术的普及，人们可以通过互联网快速获取各种信息及资源。

采集的新闻数据大多以url链接存储，为了挖掘出新闻的价值，须解析url提取新闻正文内容；在新闻提取过程中，需要进行正文内容提取以获取url链接内与新闻内容关联的正文内容，正文内容中关键词的提取往往决定着对应采集的新闻数据定位分类的精准性。

目前大多正文内容的关键词提取方式比较单一，以使得对于采集的新闻数据的关键词提取不精确，以使进行同类相似性新闻查询推送时，不能获得较为有效的新闻信息。

发明内容

基于此，本发明的目的是提供一种新闻内容推送方法，以提升对于新闻信息获取的精准性。

本发明提供一种新闻内容推送方法，其中，所述方法包括：

获取多个新闻url链接，并解析得到对应的多个文本内容；

对每个所述文本内容进行分词并提取名词性词语；

采用多种关键词提取算法对当前文本内容的名词性词语进行关键词提取，得到每种方法对应提取的多个关键词，根据每种方法提取的所述关键词累计查重，并确定重复数最多的若干目标关键词；

将所述目标关键词与所述文本内容匹配，并在所述文本内容中筛选出只含有所述目标关键词的关键词文本并作为文本特征；

通过计算不同的所述文本内容的文本特征之间的相似性对预测模型进行训练，得到各个文本内容之间的相似度值，利用训练后的预测模型对待查询文本进行预测，得到与各个所述文本内容对应的相似度值；

对各个所述文本内容的相似度值排序，获取并推送若干篇相似度值最高的所述文本内容对应的新闻。

本发明提供的新闻内容推送方法，通过采用多种关键词提取方法对名词性词语进行关键词提取，使得每种关键词提取方法对应提取多个关键词，将多种关键词提取方法获得的多个关键词进行查重，以获得重复次数较多同时最具有代表性的多个目标关键词，在文本内容中筛选出只含有目标关键词的关键词文本并作为文本特征，并通过计算不同的所述文本内容的文本特征之间的相似性对预测模型进行训练，利用训练后的预测模型与待查询文本进行预测，得到与各个所述文本内容之间的相似度值；对各个文本内容的相似度值排序，获取若干篇相似度值最高的所述文本内容对应的新闻。本发明提供的新闻内容推送方法从关键词提取步骤对新闻内容的关键词把控有效的进行筛选，以获取与正文内容最为相关的目标关键词作为文本特征，以此文本特征作为该新闻的标签，再通过预测模型与待查询文本进行预测，得到与待查询文本的相似度值，确保了新闻信息获取的精准性。

进一步的，获取所述文本内容的步骤包括；

获取网页的根节点；

若所述根节点下存在子节点，则获取所述根节点下所有子节点，

统计子节点下句号的总数，并取句号最多的子节点作为下级筛选节点；