发明名称 |
话题溯源方法和系统 |
摘要 |
话题溯源方法包括:输入新闻,抽取其中的时间戳、专有名词和关键词;发现重复新闻,以时间戳最早的一篇新闻代表重复新闻;设置当前话题层次为根层次,创建根类簇,以时间戳最早的新闻为话题根节点;S1:构建当前类簇词汇表表示类簇中所有新闻,词汇表不含在同层次其他类簇中出现超过10次的词汇,并排序;计算当前类簇新闻之间相似度,相似度超过阈值的新闻归为一个子类簇;子类簇中时间戳最早的新闻为深一层节点,每个节点代表一个子类簇;S2:判断子类簇中是否仅包含一个新闻,如果不是,则产生深一层子类簇和深一层节点,重复步骤S1;否则,将子类簇中的该新闻作为话题树的叶子节点,为每篇新闻产生话题溯源路径。还提供话题溯源系统。 |
申请公布号 |
CN104636324A |
申请公布日期 |
2015.05.20 |
申请号 |
CN201510031785.3 |
申请日期 |
2015.01.21 |
申请人 |
深圳市北科瑞讯信息技术有限公司 |
发明人 |
夏云庆;林海洲;刘轶;程刚 |
分类号 |
G06F17/27(2006.01)I;G06F17/30(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
广州华进联合专利商标代理有限公司 44224 |
代理人 |
邓云鹏 |
主权项 |
一种话题溯源方法,其特征在于,所述话题溯源方法包括:输入新闻;抽取所述输入的新闻中的时间戳、专有名词和关键词;发现重复新闻,并以时间戳最早的一篇新闻代表重复的新闻;设置当前话题层次为根层次,创建根类簇,并以时间戳最早的新闻为话题根节点;构建当前类簇的词汇表,所述词汇表不包含在同层次其他类簇中出现超过10次的词汇,并根据出现次数排序;以当前类簇词汇表表示类簇中的所有新闻,并计算当前类簇内新闻之间的相似度;将相似度超过预定相似度阈值的新闻归为一个子类簇;将子类簇中时间戳最早的新闻作为深一层节点,每个节点代表一个子类簇;判断子类簇中是否仅包含一个新闻;对包含多于一个新闻的子类簇,产生深一层子类簇和深一层节点,并重复所述构建当前类簇的词汇表、表示新闻、计算当前类簇内新闻之间的相似度、将相似度超过预定相似度阈值的新闻归为一个子类簇、将子类簇中时间戳最早的新闻作为深一层节点,每个节点代表一个子类簇的步骤;将只包含一个新闻的子类簇中的该新闻作为话题树的叶子节点;从叶子节点开始,为每篇新闻产生话题溯源路径。 |
地址 |
518000 广东省深圳市南山区高新区南区深港产学研基地大楼东座五楼E502-C室 |