CN103942265A - 推送包含新闻信息的网页的方法和装置 - Google Patents
推送包含新闻信息的网页的方法和装置 Download PDFInfo
- Publication number
- CN103942265A CN103942265A CN201410116837.2A CN201410116837A CN103942265A CN 103942265 A CN103942265 A CN 103942265A CN 201410116837 A CN201410116837 A CN 201410116837A CN 103942265 A CN103942265 A CN 103942265A
- Authority
- CN
- China
- Prior art keywords
- ageing
- webpage
- news information
- query word
- timeliness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明提供了一种推送包含新闻信息的网页的方法和装置,方法包括:从抓取的包含新闻信息的网页中提取时效性关键词;计算包含新闻信息的网页的第一时效属性特征;接收查询词,并得到查询词对应的多个网页的URL的结果页;计算多个网页的第二时效属性特征;如查询词与时效性关键词匹配,则将第一时效属性特征与第二时效属性特征进行比较,根据比较结果获取查询词的时效性;根据查询词的时效性强弱,确定包含新闻信息的网页的URL在结果页上的插入位置。根据本发明,可以判断出用户所输入查询词的时效性,基于查询词时效性高低对包含新闻信息的网页URL进行排序,可将对用户来说新闻性较高的新闻信息所在网页URL排序在前。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种推送包含新闻信息的网页的方法和装置。
背景技术
根据目前搜索引擎技术,用户在其终端上输入查询词后,搜索引擎会获取与查询词对应的多个网页URL,该多个网页URL返回到用户终端后,会在用户终端的结果页上展现。
由于网页URL的数量为多个,则在结果页上展现时必然存在排序问题。根据目前的搜索引擎技术,一般排序在前的都是较旧的网页URL。这种排序对于包含新闻信息的网页URL来说存在较大缺陷:在用户输入查询词来搜索新闻的场景下,所以目前的搜索引擎技术只能将旧新闻的网页URL排序在前,而最新新闻的网页URL排序在后,但由于新闻具有时效性的特点,大部分新闻的新闻性都是随着时间的推移而降低,则用户最终查看到的很可能是新闻性较低的新闻,新闻性较高的新闻由于其网页URL排序靠后,用户难以发现并打开。
由此可见,现有的搜索引擎技术难以分析新闻信息对用户的新闻性,难以恰当地对包含新闻信息的网页URL进行排序,进而无法完成对包含新闻信息的网页的有效推送。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的推送包含新闻信息的网页的方法和装置。
依据本发明的一个方面,提供了一种推送包含新闻信息的网页的方法,其包括:从抓取的包含新闻信息的网页中提取时效性关键词;计算所述包含新闻信息的网页的第一时效属性特征;接收查询词,并得到所述查询词对应的多个网页的URL的结果页;计算所述多个网页的第二时效属性特征;如所述查询词与所述时效性关键词匹配,则将所述第一时效属性特征与所述第二时效属性特征进行比较,根据比较结果获取所述查询词的时效性;根据所述查询词的时效性强弱,确定所述包含新闻信息的网页的URL在所述结果页上的插入位置。
可选地,所述从抓取的包含新闻信息的网页中提取时效性关键词的步骤包括:从所述包含新闻信息的网页的标题中提取所述时效性关键词。
可选地,所述第一时效属性特征包括所述包含新闻信息的网页的分类、所述包含新闻信息的网页的生成时间、所述时效性关键词在所述包含新闻信息的网页中出现的频度和/或所述时效性关键词在所述包含新闻信息的网页中的出现次数与已知历史出现次数之间的对比数据;所述第二时效属性特征包括所述多个网页的分类、所述多个网页的生成时间、所述查询词在所述多个网页中出现的频度和/或所述查询词在所述多个网页中的出现次数与已知历史出现次数之间的对比数据。
可选地,所述根据所述查询词的时效性强弱,确定所述包含新闻信息的网页的URL在所述结果页上的插入位置的步骤包括:在所述结果页上划分多个区间,分别对应不同强弱程度的时效性;选择与所述查询词的时效性强弱匹配的区间,并将所述包含新闻信息的网页的URL置于所选区间中。
可选地,每个区间分为自上而下的三个部分,且每个区间具有对应的置信度,所述将所述包含新闻信息的网页的URL置于所选区间中的步骤还包括:如所述查询词的时效性高于所选区间的置信度,则将所述包含新闻信息的网页的URL置于所选区间中的最上部分,如所述查询词的时效性与所选区间的置信度一致,则将所述包含新闻信息的网页的URL置于所选区间中的中间部分,如所述查询词的时效性低于所选区间的置信度,则将所述包含新闻信息的网页的URL置于所选区间中的最下部分。
可选地,还包括:建立关联所述时效性关键词与所述第一时效属性特征的索引;在所述如所述查询词与所述时效性关键词匹配,则将所述第一时效属性特征与所述第二时效属性特征进行比较,根据比较结果获取所述查询词的时效性的步骤之前,还包括:根据所述索引,判断所述查询词是否与所述时效性关键词匹配,以及查找所述时效性关键词关联的所述第一时效属性特征。
依据本发明的另一方面,还提供了一种推送包含新闻信息的网页的装置,其包括:网页爬虫,用于抓取包含新闻信息的网页;关键词提取器,用于从所述抓取的包含新闻信息的网页中提取时效性关键词;关键词数据库,用于保存所述提取到的时效性关键词;第一特征计算器,用于计算所述包含新闻信息的网页的第一时效属性特征;查询模块,用于接收查询词,并得到所述查询词对应的多个网页的URL的结果页;第二特征计算器,用于计算所述多个网页的第二时效属性特征;查询词时效性获取模块,如所述查询词与所述时效性关键词匹配,则将所述第一时效属性特征与所述第二时效属性特征进行比较,根据比较结果获取所述查询词的时效性;新闻网页展示模块,用于根据所述查询词的时效性强弱,确定所述新闻网页的URL在所述结果页上的位置高低。
可选地,所述关键词提取器从所述包含新闻信息的网页的标题中提取所述时效性关键词。
可选地,所述第一时效属性特征包括所述包含新闻信息的网页的分类、所述包含新闻信息的网页的生成时间、所述时效性关键词在所述包含新闻信息的网页中出现的频度和/或所述时效性关键词在所述包含新闻信息的网页中的出现次数与已知历史出现次数之间的对比数据;所述第二时效属性特征包括所述多个网页的分类、所述多个网页的生成时间、所述查询词在所述多个网页中出现的频度和/或所述查询词在所述多个网页中的出现次数与已知历史出现次数之间的对比数据。
可选地,所述新闻网页展示模块包括:区间划分模块,用于在所述结果页上划分多个区间,分别对应不同强弱程度的时效性;区间选择模块,用于选择与所述查询词的时效性强弱匹配的区间,并将所述包含新闻信息的网页的URL置于所选区间中。
可选地,每个区间分为自上而下的三个部分,且每个区间具有对应的置信度,如所述查询词的时效性高于所选区间的置信度,则所述区间选择模块将所述包含新闻信息的网页的URL置于所选区间中的最上部分,如所述查询词的时效性与所选区间的置信度一致,则所述区间选择模块将所述包含新闻信息的网页的URL置于所选区间中的中间部分,如所述查询词的时效性低于所选区间的置信度,则所述区间选择模块将所述包含新闻信息的网页的URL置于所选区间中的最下部分。
可选地,还包括:索引建立模块,用于建立关联所述时效性关键词与所述第一时效属性特征的索引;索引查找模块,用于根据所述索引,判断所述查询词是否与所述时效性关键词匹配,以及查找所述时效性关键词关联的所述第一时效属性特征。
根据本发明的推送包含新闻信息的网页的方法和装置,通过对包含新闻信息的网页以及查询词对应的其他网页进行时效属性特征的分析,可以判断出用户所输入查询词的时效性,查询词的时效性高低反映了新闻信息对于用户的新闻性高低程度,所以基于查询词时效性高低对包含新闻信息的网页URL进行排序,可将对用户来说新闻性较高的新闻信息所在网页URL排序在前,方便用户及时查看到所需的新闻信息,从而实现包含新闻信息的网页的有效推送。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明的一个实施例的推送包含新闻信息的网页的方法的流程图;
图2示出了根据本发明的一个实施例的推送包含新闻信息的网页的装置的框图;
图3示出了根据本发明的一个实施例的推送包含新闻信息的网页的装置的单个模块框图;
图4示出了根据本发明的一个实施例的推送包含新闻信息的网页的装置的框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明的一个实施例提供了一种推送包含新闻信息的网页的方法,其包括:步骤110,从抓取的包含新闻信息的网页中提取时效性关键词。本实施例中的时效性关键词包含网页中能够反映新闻信息时效性的所有内容,例如,可以是一些当前热点词汇,具体可以表示人物、事件、地点等。步骤120,计算包含新闻信息的网页的第一时效属性特征。本实施例中不限制第一时效属性特征的计算过程和结果形式,第一时效属性特征包含但不限于具体的数值或向量。步骤130,接收查询词,并得到查询词对应的多个网页的URL的结果页。步骤140,计算多个网页的第二时效属性特征。本实施例中不限制第二时效属性特征的计算过程和结果形式,与第一时效属性特征的计算过程和结果形式一致即可,以便于两者进行比较。步骤150,如查询词与时效性关键词匹配,则将第一时效属性特征与第二时效属性特征进行比较,根据比较结果获取查询词的时效性。本实施例中查询词和时效性关键词匹配的情况包括但不限于:查询词与时效性关键词全部或部分相同、查询词与时效性关键词为不同语言的同一释义、查询词与时效性关键词为同义词、查询词为时效性关键词的拼音。查询词与时效性关键词相匹配,说明包含新闻信息的网页也是查询词对应的查询结果,第一时效属性特征与第二时效属性特征差距越大,则新闻信息相对于其他网页内容的新闻性可能就越大,其可能是突发性或热点的信息,所以计算得到的时效性实际反映了新闻信息对于用户的新闻性大小。步骤160,根据查询词的时效性强弱,确定包含新闻信息的网页的URL在结果页上的插入位置。在本实施例的技术方案中,实际上是对用户来说新闻性较高的新闻信息所在网页的URL排序在前,从而便于用户进行点击打开,利于实现包含新闻信息的网页的推送。
本发明的另一实施例提出一种推送包含新闻信息的网页的方法,本实施例的推送包含新闻信息的网页的方法,步骤120包括:从包含新闻信息的网页的标题中提取时效性关键词,在本实施例的技术方案中,标题反映了新闻信息中的核心内容,因此有必要从标题中提取关键词。
本发明的另一实施例提出一种推送包含新闻信息的网页的方法,本实施例的推送包含新闻信息的网页的方法,第一时效属性特征包括包含新闻信息的网页的分类、包含新闻信息的网页的生成时间、时效性关键词在包含新闻信息的网页中出现的频度和/或时效性关键词在包含新闻信息的网页中的出现次数与已知历史出现次数之间的对比数据。第二时效属性特征包括多个网页的分类、多个网页的生成时间、查询词在多个网页中出现的频度和/或查询词在多个网页中的出现次数与已知历史出现次数之间的对比数据。在本实施例的技术方案中,网页的分类可以是多层,例如首先可分为bbs、blog、新闻三大类,进而对新闻继续分国内、国际、军事……等。需要注意的是,网页的生成时间不同于被抓取时间,生成时间较近则说明新闻信息内容较新,更可能是突发性新闻,所以其可作为时效属性特征。时效性关键词出现频率较高,或出现次数相对于历史出现次数有显著提高,都说明新闻信息可能是突发性或热点新闻,所以其可作为时效属性特征。
本发明的另一实施例提出一种推送包含新闻信息的网页的方法,本实施例的推送包含新闻信息的网页的方法,步骤160包括:在结果页上划分多个区间,分别对应不同强弱程度的时效性。选择与查询词的时效性强弱匹配的区间,并将包含新闻信息的网页的URL置于所选区间中。在本实施例的技术方案中,提供了一种有效的排序方式。本实施例的一个具体实现方式如下:结果页的首页一般有10个位置可以展现搜索结果URL(从上到下命名为位置1到位置10)。本发明将结果页首页的搜索结果划分为多个区间,比如将位置1到位置3划分为一个区间标记为区间1,将位置4到位置6划分为第二个区间标记为区间2,将位置7到位置9划分为第3个区间标记为区间3,将位置10划分为第4个区间标记为区间4。另外,增加一个区间为标记为区间5,区间5不显示在首页上。当查询词的时效性强弱与区间1、2、3或4对应时,则将包含新闻信息的网页的URL显示在首页对应的区间内,当查询词的时效性强弱对应区间5的时候,认为时效性的结果不适合出来,最终不会在结果页的首页上展现出来。模型数据准备:收集用户在新闻频道的搜索词,人工或自动对这些搜索词进行标注,根据搜索词的时效性强弱,指定应该划分的区间。例如,如果查询词为“360商业化”,经过计算后这个查询词与区间1的时效性强弱一致,则将包含新闻信息的网页的URL置于区间1。
本发明的另一实施例提出一种推送包含新闻信息的网页的方法,本实施例的推送包含新闻信息的网页的方法,每个区间分为自上而下的三个部分,且每个区间具有对应的置信度。步骤160还包括:如查询词的时效性高于所选区间的置信度,则将包含新闻信息的网页的URL置于所选区间中的最上部分。如查询词的时效性与所选区间的置信度一致,则将包含新闻信息的网页的URL置于所选区间中的中间部分。如查询词的时效性低于所选区间的置信度,则将包含新闻信息的网页的URL置于所选区间中的最下部分。在本实施例的技术方案中,对每个区间又进行了细分,更细致地布置了包含新闻信息的网页的URL的位置。在本实施例的一个具体实现方式中,用户输入一个查询词,经过计算后查询词的时效性对应的区间,该区间对应的时效性强弱为一个范围值,即置信度。比如置信度可指定为0.7-0.9,假如判断当前查询词的时效性大于置信度区间的上限值0.9,则将包含新闻信息的网页的URL划分到该区间的最上部分;假如查询词的时效性强弱在置信度区间内(即0.7和0.9之间);则将包含新闻信息的网页的URL划分到本区间的中间部分;假如查询词的时效性小于置信度区间的下限值0.7,则划分到区间的最下部分。
本发明的另一实施例提出一种推送包含新闻信息的网页的方法,本实施例的推送包含新闻信息的网页的方法,还包括:建立关联时效性关键词与第一时效属性特征的索引;在步骤150之前,还包括:根据索引,判断查询词是否与时效性关键词匹配,以及查找时效性关键词关联的第一时效属性特征。在本实施例的技术方案中,建立索引的好处在于,计算第一时效属性特征后,可以按索引快速查找到对应的第二时效属性特征并进行比较。
如图2所示,本发明的另一实施例还提供了一种推送包含新闻信息的网页的装置,其包括:网页爬虫210,用于抓取包含新闻信息的网页,实时跟踪各个新闻网站,将各个新闻网站的最新新闻抓取下来。关键词提取器220,用于从抓取的包含新闻信息的网页中提取时效性关键词。本实施例中的时效性关键词包含网页中能够反映新闻信息时效性的所有内容。例如,可以是一些当前热点词汇,具体可以表示人物、事件、地点等。关键词数据库230,用于保存提取到的时效性关键词。第一特征计算器240,用于计算包含新闻信息的网页的第一时效属性特征。本实施例中不限制第一时效属性特征的计算过程和结果形式,第一时效属性特征包含但不限于具体的数值或向量。查询模块250,用于接收查询词,并得到查询词对应的多个网页的URL的结果页。第二特征计算器260,用于计算多个网页的第二时效属性特征。本实施例中不限制第二时效属性特征的计算过程和结果形式,与第一时效属性特征的计算过程和结果形式一致即可,以便于两者进行比较。查询词时效性获取模块270,如查询词与时效性关键词匹配,则将第一时效属性特征与第二时效属性特征进行比较,根据比较结果获取查询词的时效性。本实施例中查询词和时效性关键词匹配的情况包括但不限于:查询词与时效性关键词全部或部分相同、查询词与时效性关键词为不同语言的同一释义、查询词与时效性关键词为同义词、查询词为时效性关键词的拼音。查询词与时效性关键词相匹配,说明包含新闻信息的网页也是查询词对应的查询结果,第一时效属性特征与第二时效属性特征差距越大,则新闻信息相对于其他网页内容的新闻性可能就越大,其可能是突发性或热点的信息,所以计算得到的时效性实际反映了新闻信息对于用户的新闻性大小。新闻网页展示模块280,用于根据查询词的时效性强弱,确定新闻网页的URL在结果页上的位置高低。,在本实施例的技术方案中,实际上是对用户来说新闻性较高的新闻信息所在网页的URL排序在前,从而便于用户进行点击打开,利于实现包含新闻信息的网页的推送。
本发明的另一实施例提出一种推送包含新闻信息的网页的装置,本实施例的推送包含新闻信息的网页的装置。关键词提取器220从包含新闻信息的网页的标题中提取时效性关键词。在本实施例的技术方案中,标题反映了新闻信息中的核心内容,因此有必要从标题中提取关键词。
本发明的另一实施例提出一种推送包含新闻信息的网页的装置,本实施例的推送包含新闻信息的网页的装置,第一时效属性特征包括包含新闻信息的网页的分类、包含新闻信息的网页的生成时间、时效性关键词在包含新闻信息的网页中出现的频度和/或时效性关键词在包含新闻信息的网页中的出现次数与已知历史出现次数之间的对比数据。第二时效属性特征包括多个网页的分类、多个网页的生成时间、查询词在多个网页中出现的频度和/或查询词在多个网页中的出现次数与已知历史出现次数之间的对比数据。在本实施例的技术方案中,网页的分类可以是多层,例如首先可分为bbs、blog、新闻三大类,进而对新闻继续分国内、国际、军事……等。需要注意的是,网页的生成时间不同于被抓取时间,生成时间较近则说明新闻信息内容较新,更可能是突发性新闻,所以其可作为时效属性特征。时效性关键词出现频率较高,或出现次数相对于历史出现次数有显著提高,都说明新闻信息可能是突发性或热点新闻,所以其可作为时效属性特征。
本发明的另一实施例提出一种推送包含新闻信息的网页的装置,本实施例的推送包含新闻信息的网页的装置,新闻网页展示模块包括280:区间划分模块281,用于在结果页上划分多个区间,分别对应不同强弱程度的时效性。区间选择模块282,用于选择与查询词的时效性强弱匹配的区间,并将包含新闻信息的网页的URL置于所选区间中。在本实施例的技术方案中,提供了一种有效的排序方式,本实施例的一个具体实现方式如下:结果页的首页一般有10个位置可以展现搜索结果URL(从上到下命名为位置1到位置10)。本发明将结果页首页的搜索结果划分为多个区间,比如位置1到位置3划分为一个区间标记为区间1,将位置4到位置6划分为第二个区间标记为区间2,将位置7到位置9划分为第3个区间标记为区间3,将位置10划分为第4个区间标记为区间4。另外,增加一个区间为标记为区间5,区间5不显示在首页上,当查询词的时效性强弱与区间1、2、3或4对应时,则将包含新闻信息的网页的URL显示在首页对应的区间内,当查询词的时效性强弱对应区间5的时候,认为时效性的结果不适合出来,最终不会在结果页的首页上展现出来。模型数据准备:收集用户在新闻频道的搜索词,人工对这些搜索词进行标注,根据搜索词的时效性强弱,指定应该划分的区间。例如,如果查询词为“360商业化”,经过计算后这个查询词与区间1的时效性强弱一致,则将包含新闻信息的网页“360搜索首次披露商业化进程”的URL置于区间1。
如图3所示,本发明的另一实施例提出一种推送包含新闻信息的网页的装置,本实施例的推送包含新闻信息的网页的装置,每个区间分为自上而下的三个部分,且每个区间具有对应的置信度。如查询词的时效性高于所选区间的置信度,则区间选择282模块将包含新闻信息的网页的URL置于所选区间中的最上部分;如查询词的时效性与所选区间的置信度一致;则区间选择模块282将包含新闻信息的网页的URL置于所选区间中的中间部分;如查询词的时效性低于所选区间的置信度,则区间选择模块282将包含新闻信息的网页的URL置于所选区间中的最下部分。在本实施例的技术方案中,对每个区间又进行了细分,更细致地布置了包含新闻信息的网页的URL的位置。在本实施例的一个具体实现方式中,用户输入一个查询词,经过计算后查询词的时效性对应的区间,该区间对应的时效性强弱为一个范围值,即置信度,比如设置置信度区间指定为0.7-0.9。假如判断当前查询词的时效性大于置信度区间的上限值0.9,则将包含新闻信息的网页的URL划分到该区间的最上部分;假如查询词的时效性强弱在置信度区间内(即0.7和0.9之间);则将包含新闻信息的网页的URL划分到本区间的中间部分;假如查询词的时效性小于置信度区间的下限值0.7,则划分到区间的最下部分。
如图4所示,本发明的另一实施例提出一种推送包含新闻信息的网页的装置,本实施例的推送包含新闻信息的网页的装置,还包括:索引建立模块290,用于建立关联时效性关键词与第一时效属性特征的索引;索引查找模块291,用于根据索引,判断查询词是否与时效性关键词匹配,以及查找时效性关键词关联的第一时效属性特征,在本实施例的技术方案中,建立索引的好处在于,计算第一时效属性特征后,可以按索引快速查找到对应的第二时效属性特征并进行比较。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的推送包含新闻信息的网页的方法和装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种推送包含新闻信息的网页的方法,其包括:
从抓取的包含新闻信息的网页中提取时效性关键词;
计算所述包含新闻信息的网页的第一时效属性特征;
接收查询词,并得到所述查询词对应的多个网页的URL的结果页;
计算所述多个网页的第二时效属性特征;
如所述查询词与所述时效性关键词匹配,则将所述第一时效属性特征与所述第二时效属性特征进行比较,根据比较结果获取所述查询词的时效性;
根据所述查询词的时效性强弱,确定所述包含新闻信息的网页的URL在所述结果页上的插入位置。
2.根据权利要求1所述的方法,其中,所述从抓取的包含新闻信息的网页中提取时效性关键词的步骤包括:
从所述包含新闻信息的网页的标题中提取所述时效性关键词。
3.根据权利要求1所述的方法,其中,所述第一时效属性特征包括所述包含新闻信息的网页的分类、所述包含新闻信息的网页的生成时间、所述时效性关键词在所述包含新闻信息的网页中出现的频度和/或所述时效性关键词在所述包含新闻信息的网页中的出现次数与已知历史出现次数之间的对比数据;所述第二时效属性特征包括所述多个网页的分类、所述多个网页的生成时间、所述查询词在所述多个网页的网页中出现的频度和/或所述查询词在所述多个网页中的出现次数与已知历史出现次数之间的对比数据。
4.根据权利要求1所述的方法,其中,所述根据所述查询词的时效性强弱,确定所述包含新闻信息的网页的URL在所述结果页上的插入位置的步骤包括:
在所述结果页上划分多个区间,分别对应不同强弱程度的时效性;
选择与所述查询词的时效性强弱匹配的区间,并将所述包含新闻信息的网页的URL置于所选区间中。
5.根据权利要求1-4任一项所述的方法,其中,每个区间分为自上而下的三个部分,且每个区间具有对应的置信度,所述将所述包含新闻信息的网页的URL置于所选区间中的步骤还包括:
如所述查询词的时效性高于所选区间的置信度,则将所述包含新闻信息的网页的URL置于所选区间中的最上部分,如所述查询词的时效性与所选区间的置信度一致,则将所述包含新闻信息的网页的URL置于所选区间中的中间部分,如所述查询词的时效性低于所选区间的置信度,则将所述包含新闻信息的网页的URL置于所选区间中的最下部分。
6.根据权利要求1至5中任一项所述的方法,其中,还包括:
建立关联所述时效性关键词与所述第一时效属性特征的索引;
在所述如所述查询词与所述时效性关键词匹配,则将所述第一时效属性特征与所述第二时效属性特征进行比较,根据比较结果获取所述查询词的时效性的步骤之前,还包括:
根据所述索引,判断所述查询词是否与所述时效性关键词匹配,以及查找所述时效性关键词关联的所述第一时效属性特征。
7.一种推送包含新闻信息的网页的装置,其包括:
网页爬虫,用于抓取包含新闻信息的网页;
关键词提取器,用于从所述抓取的包含新闻信息的网页中提取时效性关键词;
关键词数据库,用于保存所述提取到的时效性关键词;
第一特征计算器,用于计算所述包含新闻信息的网页的第一时效属性特征;
查询模块,用于接收查询词,并得到所述查询词对应的多个网页的URL的结果页;
第二特征计算器,用于计算所述多个网页的第二时效属性特征;
查询词时效性获取模块,如所述查询词与所述时效性关键词匹配,则将所述第一时效属性特征与所述第二时效属性特征进行比较,根据比较结果获取所述查询词的时效性;
新闻网页展示模块,用于根据所述查询词的时效性强弱,确定所述新闻网页的URL在所述结果页上的位置高低。
8.根据权利要求7所述的装置,其中,
所述关键词提取器从所述包含新闻信息的网页的标题中提取所述时效性关键词。
9.根据权利要求7所述的装置,其中,所述第一时效属性特征包括所述包含新闻信息的网页的分类、所述包含新闻信息的网页的生成时间、所述时效性关键词在所述包含新闻信息的网页中出现的频度和/或所述时效性关键词在所述包含新闻信息的网页中的出现次数与已知历史出现次数之间的对比数据;所述第二时效属性特征包括所述多个网页的分类、所述多个网页的生成时间、所述查询词在所述多个网页中出现的频度和/或所述查询词在所述多个网页中的出现次数与已知历史出现次数之间的对比数据。
10.根据权利要求7所述的装置,其中,所述新闻网页展示模块包括:
区间划分模块,用于在所述结果页上划分多个区间,分别对应不同强弱程度的时效性;
区间选择模块,用于选择与所述查询词的时效性强弱匹配的区间,并将所述包含新闻信息的网页的URL置于所选区间中。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410116837.2A CN103942265B (zh) | 2014-03-26 | 推送包含新闻信息的网页的方法和装置 | |
PCT/CN2014/095790 WO2015143911A1 (zh) | 2014-03-26 | 2014-12-31 | 推送包含时效性信息的网页的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410116837.2A CN103942265B (zh) | 2014-03-26 | 推送包含新闻信息的网页的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103942265A true CN103942265A (zh) | 2014-07-23 |
CN103942265B CN103942265B (zh) | 2016-11-30 |
Family
ID=
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217033A (zh) * | 2014-09-29 | 2014-12-17 | 北京奇虎科技有限公司 | 基于时效性的搜索方法和装置 |
CN104239455A (zh) * | 2014-09-02 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 一种搜索结果的获取方法及装置 |
WO2015143911A1 (zh) * | 2014-03-26 | 2015-10-01 | 北京奇虎科技有限公司 | 推送包含时效性信息的网页的方法和装置 |
CN105095368A (zh) * | 2015-06-29 | 2015-11-25 | 北京金山安全软件有限公司 | 一种对新闻信息进行排序的方法及装置 |
CN106484671A (zh) * | 2015-08-25 | 2017-03-08 | 北京中搜网络技术股份有限公司 | 一种时效性查询内容的识别方法 |
CN106777213A (zh) * | 2016-12-23 | 2017-05-31 | 北京奇虎科技有限公司 | 搜索中推荐内容的推送方法及装置 |
CN108363707A (zh) * | 2017-01-26 | 2018-08-03 | 百度在线网络技术(北京)有限公司 | 用于生成网页的方法和装置 |
CN109543060A (zh) * | 2018-10-25 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 车型图片的展示方法、装置及存储介质、服务器 |
CN111241379A (zh) * | 2018-11-28 | 2020-06-05 | 阿里巴巴集团控股有限公司 | 搜索结果的处理方法、装置、电子设备及计算机可读介质 |
CN111753167A (zh) * | 2020-06-22 | 2020-10-09 | 北京百度网讯科技有限公司 | 搜索处理方法、装置、计算机设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101714145A (zh) * | 2008-10-07 | 2010-05-26 | 英业达股份有限公司 | 一种网站新闻分析系统及其方法 |
JP2010191851A (ja) * | 2009-02-20 | 2010-09-02 | Yahoo Japan Corp | 記事特徴語抽出装置、記事特徴語抽出方法及びプログラム |
CN102646114A (zh) * | 2012-02-17 | 2012-08-22 | 清华大学 | 一种基于突破点的新闻话题时间线摘要生成方法 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101714145A (zh) * | 2008-10-07 | 2010-05-26 | 英业达股份有限公司 | 一种网站新闻分析系统及其方法 |
JP2010191851A (ja) * | 2009-02-20 | 2010-09-02 | Yahoo Japan Corp | 記事特徴語抽出装置、記事特徴語抽出方法及びプログラム |
CN102646114A (zh) * | 2012-02-17 | 2012-08-22 | 清华大学 | 一种基于突破点的新闻话题时间线摘要生成方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015143911A1 (zh) * | 2014-03-26 | 2015-10-01 | 北京奇虎科技有限公司 | 推送包含时效性信息的网页的方法和装置 |
CN104239455A (zh) * | 2014-09-02 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 一种搜索结果的获取方法及装置 |
CN104239455B (zh) * | 2014-09-02 | 2017-10-10 | 百度在线网络技术(北京)有限公司 | 一种搜索结果的获取方法及装置 |
CN104217033A (zh) * | 2014-09-29 | 2014-12-17 | 北京奇虎科技有限公司 | 基于时效性的搜索方法和装置 |
CN105095368A (zh) * | 2015-06-29 | 2015-11-25 | 北京金山安全软件有限公司 | 一种对新闻信息进行排序的方法及装置 |
CN105095368B (zh) * | 2015-06-29 | 2018-07-31 | 北京金山安全软件有限公司 | 一种对新闻信息进行排序的方法及装置 |
CN106484671B (zh) * | 2015-08-25 | 2019-05-28 | 北京中搜云商网络技术有限公司 | 一种时效性查询内容的识别方法 |
CN106484671A (zh) * | 2015-08-25 | 2017-03-08 | 北京中搜网络技术股份有限公司 | 一种时效性查询内容的识别方法 |
CN106777213A (zh) * | 2016-12-23 | 2017-05-31 | 北京奇虎科技有限公司 | 搜索中推荐内容的推送方法及装置 |
CN106777213B (zh) * | 2016-12-23 | 2021-07-13 | 北京奇虎科技有限公司 | 搜索中推荐内容的推送方法及装置 |
CN108363707A (zh) * | 2017-01-26 | 2018-08-03 | 百度在线网络技术(北京)有限公司 | 用于生成网页的方法和装置 |
CN109543060A (zh) * | 2018-10-25 | 2019-03-29 | 深圳壹账通智能科技有限公司 | 车型图片的展示方法、装置及存储介质、服务器 |
CN111241379A (zh) * | 2018-11-28 | 2020-06-05 | 阿里巴巴集团控股有限公司 | 搜索结果的处理方法、装置、电子设备及计算机可读介质 |
CN111241379B (zh) * | 2018-11-28 | 2023-04-25 | 阿里巴巴集团控股有限公司 | 搜索结果的处理方法、装置、电子设备及计算机可读介质 |
CN111753167A (zh) * | 2020-06-22 | 2020-10-09 | 北京百度网讯科技有限公司 | 搜索处理方法、装置、计算机设备和介质 |
CN111753167B (zh) * | 2020-06-22 | 2024-01-12 | 北京百度网讯科技有限公司 | 搜索处理方法、装置、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544267A (zh) | 一种基于搜索建议词进行搜索的方法以及装置 | |
CN102012900B (zh) | 信息检索方法和系统 | |
CN102760138B (zh) | 用户网络行为的分类方法和装置及对应的搜索方法和装置 | |
CN103942264A (zh) | 推送包含新闻信息的网页的方法和装置 | |
US8832057B2 (en) | Results returned for list-seeking queries | |
CN104199833B (zh) | 一种网络搜索词的聚类方法和聚类装置 | |
CN103544266B (zh) | 一种搜索建议词生成的方法以及装置 | |
CN104537065A (zh) | 一种搜索结果的推送方法及系统 | |
CN104077388A (zh) | 基于搜索引擎的摘要信息提取方法、装置以及搜索引擎 | |
CN105224648A (zh) | 一种实体链接方法与系统 | |
CN104063387A (zh) | 在文本中抽取关键词的装置和方法 | |
US20110184946A1 (en) | Applying synonyms to unify text search with faceted browsing classification | |
EP2307951A1 (en) | Method and apparatus for relating datasets by using semantic vectors and keyword analyses | |
CN103559286A (zh) | 视频搜索结果的处理方法及装置 | |
CN103984757A (zh) | 在搜索结果页上插入新闻信息条目的方法和系统 | |
CN103617213A (zh) | 识别新闻网页属性特征的方法和系统 | |
CN104376115A (zh) | 一种基于全局搜索的模糊词确定方法及装置 | |
CN103942268A (zh) | 搜索与应用相结合的方法、设备以及应用接口 | |
CN105095381A (zh) | 新词识别方法和装置 | |
CN108959550B (zh) | 用户关注点挖掘方法、装置、设备及计算机可读介质 | |
CN105630937A (zh) | 一种搜索试题答案的方法以及装置 | |
CN114330329A (zh) | 一种业务内容搜索方法、装置、电子设备及存储介质 | |
CN103500181A (zh) | 一种互联网信息分析方法和装置 | |
CN103530389A (zh) | 一种提高停用词搜索有效性的方法和装置 | |
CN103226574A (zh) | 信息搜索方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161130 Termination date: 20210326 |
|
CF01 | Termination of patent right due to non-payment of annual fee |