CN104331419A - 衡量新闻重要性的方法和装置 - Google Patents
衡量新闻重要性的方法和装置 Download PDFInfo
- Publication number
- CN104331419A CN104331419A CN201410539702.7A CN201410539702A CN104331419A CN 104331419 A CN104331419 A CN 104331419A CN 201410539702 A CN201410539702 A CN 201410539702A CN 104331419 A CN104331419 A CN 104331419A
- Authority
- CN
- China
- Prior art keywords
- news
- sources
- weighing
- property value
- issue
- 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.)
- Pending
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
本发明提供了一种衡量新闻重要性的方法和装置,该方法包括:确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。本发明实施例基于待衡量新闻的至少一个发布属性来综合衡量待衡量新闻的重要性,使得衡量结果更加客观、准确、全面。
Description
技术领域
本发明涉及互联网技术领域,特别是一种衡量新闻重要性的方法和装置。
背景技术
随着计算机和计算机网络的日益普及,互联网已经深入到人们工作、学习和生活的各个领域,成为人们发布和获取信息的重要途径,而搜索引擎则成为人们从互联网上获取信息的重要工具。
在搜索引擎中,在其它相关性因素相近时,通常将重要性、权威性高的网页尽量排在搜索结果的前面,方便用户尽快找到有价值的网页信息。对于新闻搜索引擎而言,新闻的重要性是其对搜索结果进行排序的重要依据。传统的网页等级(PageRank)方法对于新闻搜索引擎并不适用,原因是PageRank所依赖的链接指向关系是一个需要时间积累的数据,新闻由于其时效性特点,在第一时间发布时并未积累多少PageRank,以至于跟历史新闻比较权重时,依赖PageRank会起负面作用。
因此,如何有效、准确地衡量新闻重要性成为目前亟待解决的技术问题。
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衡量新闻重要性的方法和相应的装置。
依据本发明的一个方面,提供了一种衡量新闻重要性的方法,包括:确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。
可选地,所述发布属性包括下列任意之一:
发布时间;
发布所述待衡量新闻的新闻源;
所述待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
可选地,若所述至少一个发布属性包括发布所述待衡量新闻的新闻源和/或所述待衡量新闻被发布在新闻源上的位置,所述获取每个发布属性的属性值之前,还包括:基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值。
可选地,基于发布所述待衡量新闻的新闻源的网页链接关系,计算出所述待衡量新闻被发布在所述新闻源上的位置的属性值,包括:统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻;确定所述多条新闻的参数;根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值作为所述待衡量新闻被发布在所述新闻源上的所述位置的属性值。
可选地,统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻之前,还包括:以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的所述新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
可选地,所述多条新闻的参数包括下列至少之一:
所述多条新闻中每条新闻的网页等级PageRank;
所述多条新闻中每条新闻被点击的次数;
所述多条新闻中每条新闻被展示的次数。
可选地,根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值,包括:根据确定的所述多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到所述多条新闻的PageRank、被点击的次数、被展示的次数的平均值;将计算得到的所述平均值进行加权求和作为所述新闻源上的所述位置的属性值。
可选地,若发布所述待衡量新闻的新闻源的个数为多个,基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值,包括:基于发布所述待衡量新闻的多个新闻源的网页链接关系,计算出发布所述待衡量新闻的各个新闻源的属性值和/或所述待衡量新闻被发布在各个所述新闻源上的位置的属性值。
依据本发明的另一个方面,还提供了一种衡量新闻重要性的装置,包括:
确定模块,适于确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;
计算模块,适于获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;
衡量模块,适于将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。
可选地,所述发布属性包括下列任意之一:
发布时间;
发布所述待衡量新闻的新闻源;
所述待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
可选地,若所述至少一个发布属性包括发布所述待衡量新闻的新闻源和/或所述待衡量新闻被发布在新闻源上的位置,在所述计算模块获取每个发布属性的属性值之前,所述计算模块还适于:基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值。
可选地,所述计算模块还适于:统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻;确定所述多条新闻的参数;根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值作为所述待衡量新闻被发布在所述新闻源上的所述位置的属性值。
可选地,在所述计算模块统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻之前,还包括:抓取模块,适于以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的所述新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
可选地,所述多条新闻的参数包括下列至少之一:
所述多条新闻中每条新闻的网页等级PageRank;
所述多条新闻中每条新闻被点击的次数;
所述多条新闻中每条新闻被展示的次数。
可选地,所述计算模块还适于:根据确定的所述多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到所述多条新闻的PageRank、被点击的次数、被展示的次数的平均值;将计算得到的所述平均值进行加权求和作为所述新闻源上的所述位置的属性值。
可选地,若发布所述待衡量新闻的新闻源的个数为多个,所述计算模块还适于:基于发布所述待衡量新闻的多个新闻源的网页链接关系,计算出发布所述待衡量新闻的各个新闻源的属性值和/或所述待衡量新闻被发布在各个所述新闻源上的位置的属性值。
依据本发明提供的技术方案,确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值,并获取每个发布属性的属性值。进而根据确定的权值以及获取的属性值对至少一个发布属性进行加权处理,计算得出的值作为待衡量新闻的重要性值。随后将重要性值与预设的衡量规则进行比较,衡量出待衡量新闻的重要性。可见,本发明基于待衡量新闻的至少一个发布属性来综合衡量待衡量新闻的重要性,使得衡量结果更加客观、准确、全面。由此解决了相关技术中若采用网页等级(PageRank)方法确定新闻重要性而产生负面作用的问题。并且,新闻搜索引擎能够根据本发明提供的客观、准确、全面的待衡量新闻的重要性的衡量结果将重要性高的新闻尽量排在搜索结果的前面,方便用户尽快找到价值较高的新闻。
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。
根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
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示出了根据本发明一个实施例的衡量新闻重要性的方法的一种流程图;
图2示出了根据本发明一个实施例的衡量新闻重要性的方法的另一种流程图;
图3示出了根据本发明一个实施例的衡量新闻重要性的装置的一种结构示意图;以及
图4示出了根据本发明一个实施例的衡量新闻重要性的装置的另一种结构示意图。
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。
为解决上述技术问题,本发明实施例提供了一种衡量新闻重要性的方法,图1示出了根据本发明一个实施例的衡量新闻重要性的方法的一种流程图。如图1所示,该方法至少包括以下步骤S102至步骤S106。
步骤S102、确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值。
步骤S104、获取每个发布属性的属性值,并根据确定的权值以及获取的属性值对至少一个发布属性进行加权处理,计算得出的值作为待衡量新闻的重要性值。
步骤S106、将重要性值与预设的衡量规则进行比较,衡量出待衡量新闻的重要性。
依据本发明提供的技术方案,确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值,并获取每个发布属性的属性值。进而根据确定的权值以及获取的属性值对至少一个发布属性进行加权处理,计算得出的值作为待衡量新闻的重要性值。随后将重要性值与预设的衡量规则进行比较,衡量出待衡量新闻的重要性。可见,本发明基于待衡量新闻的至少一个发布属性来综合衡量待衡量新闻的重要性,使得衡量结果更加客观、准确、全面。由此解决了相关技术中若采用网页等级(PageRank)方法确定新闻重要性而产生负面作用的问题。并且,新闻搜索引擎能够根据本发明提供的客观、准确、全面的待衡量新闻的重要性的衡量结果将重要性高的新闻尽量排在搜索结果的前面,方便用户尽快找到价值较高的新闻。
上文步骤S102中提及的新闻可以是新闻链接、新闻页面内容等。进一步地,待衡量新闻的发布属性是指与发布待衡量新闻相关的信息,如发布时间、发布待衡量新闻的新闻源、待衡量新闻被发布在新闻源上的位置、发布内容中的文字或图片信息、发布内容的篇幅等等,本发明不限于此。这里提及的新闻源是指一个聚合了大量新闻的网页或页面,例如某新闻源a,其网址可以为http://news.a.com.cn。此外,每个发布属性在新闻重要性中的权值是指每个发布属性在新闻重要性中的相对重要程度,因而可以采用多种方法确定每个发布属性在新闻重要性中的权值,如主观经验法、专家调查法等。例如,确定待衡量新闻的至少一个发布属性为发布时间、发布待衡量新闻的新闻源以及发布内容的篇幅,根据主观经验,其中的发布时间在新闻重要性中较重要,可以赋予较大的权值(如权值为0.5),并赋予发布待衡量新闻的新闻源以及发布内容的篇幅的权值分别为0.3和0.2。又例如,确定待衡量新闻的至少一个发布属性为发布时间、发布待衡量新闻的新闻源、待衡量新闻被发布在新闻源上的位置以及发布内容的篇幅,可以赋予它们的权值分别为0.5、0.3、0.1和0.1。以上仅列举了常见的确定权值的方法,其它用于确定权值的方法均适用于本发明。
上文步骤S104中发布属性的属性值是发布属性的一种数值表示,例如发布时间6:00整,可以通过属性值1来表示该发布时间6:00整,发布时间12:00整,可以通过属性值2来表示该发布时间12:00整,当然还可以通过其它属性值来表示。又例如,发布内容的篇幅为100字以内,可以通过属性值100来表示该100字以内的篇幅,发布内容的篇幅为100字至500字,可以通过属性值500来表示该100字至500字的篇幅,发布内容的篇幅为500字至1000字,可以通过属性值1000来表示该500字至1000字的篇幅,此外还可以通过其它属性值来表示均适用于本发明。
若待衡量新闻的至少一个发布属性为发布待衡量新闻的新闻源或者待衡量新闻被发布在新闻源上的某个位置,本发明实施例还提供了一种优选的计算上述两种发布属性(发布待衡量新闻的新闻源以及待衡量新闻被发布在新闻源上的某个位置)的属性值的方案,在该方案中,可以基于发布待衡量新闻的新闻源的网页链接关系,计算出发布待衡量新闻的新闻源的属性值以及待衡量新闻被发布在新闻源上的某个位置的属性值。下面将分别对上述两种发布属性的属性值的计算方式进行详细介绍。
首先,基于发布待衡量新闻的新闻源的网页链接关系,计算出发布待衡量新闻的新闻源的属性值,可以是基于发布待衡量新闻的新闻源的网页链接关系,计算出发布待衡量新闻的新闻源的PageRank作为发布待衡量新闻的新闻源的属性值。PageRank是一种根据网页之间相互的超链接计算的技术,通过网络浩瀚的超链接关系来确定一个网页的等级。可以把从A网页到B网页的链接解释为A网页给B网页投票,根据投票来源(甚至来源的来源,即链接到A网页的网页)和投票目标的等级来决定新的等级。简单的说,一个高等级的网页可以使其他低等级网页的等级提升。
其次,基于发布待衡量新闻的新闻源的网页链接关系,计算出待衡量新闻被发布在新闻源上的某个位置的属性值。即统计指定时间段内被发布在新闻源上的该位置的多条新闻,并确定多条新闻的参数,进而根据确定的多条新闻的参数,计算出新闻源上的该位置的属性值作为待衡量新闻被发布在新闻源上的该位置的属性值。这里,多条新闻的参数是指多条新闻中每条新闻被链接或操作的参数值,例如多条新闻中每条新闻的PageRank、多条新闻中每条新闻被点击的次数、多条新闻中每条新闻被展示的次数,等等。
进一步地,当多条新闻的参数包括多条新闻中每条新闻的PageRank、多条新闻中每条新闻被点击的次数以及多条新闻中每条新闻被展示的次数时,本发明提供了一种优选的计算新闻源上的该位置的属性值的方案,在该方案中根据确定的多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到多条新闻的PageRank、被点击的次数、被展示的次数的平均值,进而将计算得到的平均值进行加权求和作为新闻源上的该位置的属性值。例如,统计指定时间段内(如24小时)被发布在新闻源上的该位置的多条新闻为新闻1、新闻2以及新闻3,确定新闻1、新闻2以及新闻3的PageRank分别为P1、P2和P3,则其PageRank的平均值为P0=(P1+P2+P3)/3。确定新闻1、新闻2以及新闻3被点击的次数分别为C1、C2和C3,则其被点击的次数的平均值为C0=(C1+C2+C3)/3。确定新闻1、新闻2以及新闻3被展示的次数分别为D1、D2和D3,其被展示的次数的平均值为D0=(D1+D2+D3)/3。对P0、C0以及D0进行加权求和作为新闻源上的该位置的属性值,这里列举的新闻1、新闻2以及新闻3仅仅是示意性的,不用于限制本发明。需要说明的是,上述列举了多条新闻的参数包括多条新闻中每条新闻的PageRank、多条新闻中每条新闻被点击的次数以及多条新闻中每条新闻被展示的次数时,计算出新闻源上的该位置的属性值的方案。当多条新闻的参数包括多条新闻中每条新闻的PageRank和多条新闻中每条新闻被点击的次数时,或者当多条新闻的参数包括多条新闻中每条新闻被点击的次数和多条新闻中每条新闻被展示的次数时也可以采用上述方案计算出新闻源上的该位置的属性值。例如,当多条新闻的参数包括多条新闻中每条新闻的PageRank和多条新闻中每条新闻被点击的次数时,可以根据确定的多条新闻中每条新闻的PageRank、被点击的次数,分别计算得到多条新闻的PageRank、被点击的次数的平均值,进而将计算得到的平均值进行加权求和作为新闻源上的该位置的属性值。
此外,为了统计指定时间段内被发布在新闻源上的该位置的多条新闻,本发明还可以以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
以上介绍了发布待衡量新闻的新闻源的个数为一个的情况,若发布待衡量新闻的新闻源的个数为多个时(对于一些特别重要的新闻,可能会同时被多个新闻源转载),则基于发布待衡量新闻的新闻源的网页链接关系,计算出发布待衡量新闻的新闻源的属性值和/或待衡量新闻被发布在新闻源上的位置的属性值,可以是基于发布待衡量新闻的多个新闻源的网页链接关系,计算出发布待衡量新闻的各个新闻源的属性值和/或待衡量新闻被发布在各个新闻源上的位置的属性值,且计算发布待衡量新闻的各个新闻源的属性值和/或待衡量新闻被发布在各个新闻源上的位置的属性值可以采用上述发布待衡量新闻的新闻源的个数为一个的情况的方案来实现。
另外,上文步骤S106中提及的预设的衡量规则可以是数值区间与新闻的重要性的对应关系,例如落入数值区间1对应的新闻的重要性为“非常高”、落入数值区间2对应的新闻的重要性为“高”、落入数值区间3对应的新闻的重要性为“中”、落入数值区间4对应的新闻的重要性为“低”等,此处仅是列举的,还可以是其他数值区间与新闻的重要性的对应关系。
以上介绍了图1所示的实施例中各环节的多种实现方式,下面通过具体的优选实施例对本发明实施例提供的衡量新闻重要性的方法做进一步说明。
图2示出了根据本发明一个实施例的衡量新闻重要性的方法的另一种流程图。如图2所示,该方法包括以下步骤S202至步骤S214。
步骤S202、确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值,其中,至少一个发布属性包括发布待衡量新闻的新闻源以及待衡量新闻被发布在新闻源上的某个位置。
这里,至少一个发布属性还可以包括发布时间、发布内容中的文字或图片信息、发布内容的篇幅等。
步骤S204、基于发布待衡量新闻的新闻源的网页链接关系,计算出发布待衡量新闻的新闻源的PageRank作为发布待衡量新闻的新闻源的属性值。
步骤S206、统计指定时间段内被发布在新闻源上的该位置的多条新闻,并确定多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数。
为了统计指定时间段内被发布在新闻源上的该位置的多条新闻,在步骤S206之前可以以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
步骤S208、根据确定的多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到多条新闻的PageRank、被点击的次数、被展示的次数的平均值。
步骤S210、将计算得到的平均值进行加权求和作为新闻源上的该位置的属性值。
步骤S212、获取每个发布属性的属性值,并根据确定的权值以及获取的属性值对至少一个发布属性进行加权处理,计算得出的值作为待衡量新闻的重要性值。
步骤S214、将重要性值与预设的衡量规则进行比较,衡量出待衡量新闻的重要性。
需要说明的是,上述步骤S204与步骤S206至步骤S210无先后执行顺序之分,也可以先执行步骤S206至步骤S210,然后执行步骤S204。
本发明实施例中,基于待衡量新闻的发布待衡量新闻的新闻源以及待衡量新闻被发布在新闻源上的某个位置等至少一个发布属性来综合衡量待衡量新闻的重要性,使得衡量结果更加客观、准确、全面。并且,新闻搜索引擎能够根据本发明提供的客观、准确、全面的待衡量新闻的重要性的衡量结果将重要性高的新闻尽量排在搜索结果的前面,方便用户尽快找到价值较高的新闻。
需要说明的是,实际应用中,上述所有可选实施方式可以采用结合的方式任意组合,形成本发明的可选实施例,在此不再一一赘述。
基于同一发明构思,本发明实施例还提供了一种衡量新闻重要性的装置,以实现上述衡量新闻重要性的方法。
图3示出了根据本发明一个实施例的衡量新闻重要性的装置的一种结构示意图。参见图3,该装置至少包括:确定模块310、计算模块320以及衡量模块330。
现介绍本发明实施例的衡量新闻重要性的装置的各组成或器件的功能以及各部分间的连接关系:
确定模块310,适于确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;
计算模块320,与确定模块310相耦合,适于获取每个发布属性的属性值,并根据确定的权值以及获取的属性值对至少一个发布属性进行加权处理,计算得出的值作为待衡量新闻的重要性值;
衡量模块330,与计算模块320相耦合,适于将重要性值与预设的衡量规则进行比较,衡量出待衡量新闻的重要性。
在一个实施例中,发布属性包括下列任意之一:
发布时间;
发布待衡量新闻的新闻源;
待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
在一个实施例中,若至少一个发布属性包括发布待衡量新闻的新闻源和/或待衡量新闻被发布在新闻源上的位置,在计算模块320获取每个发布属性的属性值之前,计算模块320还适于:基于发布待衡量新闻的新闻源的网页链接关系,计算出发布待衡量新闻的新闻源的属性值和/或待衡量新闻被发布在新闻源上的位置的属性值。
在一个实施例中,计算模块320还适于:统计指定时间段内被发布在新闻源上的位置的多条新闻;确定多条新闻的参数;根据确定的多条新闻的参数,计算出新闻源上的位置的属性值作为待衡量新闻被发布在新闻源上的位置的属性值。
在一个实施例中,图4示出了根据本发明一个实施例的衡量新闻重要性的装置的另一种结构示意图。如图4所示,在计算模块320统计指定时间段内被发布在新闻源上的位置的多条新闻之前,还包括:抓取模块410,与计算模块320相耦合,适于以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
在一个实施例中,多条新闻的参数包括下列至少之一:
多条新闻中每条新闻的网页等级PageRank;
多条新闻中每条新闻被点击的次数;
多条新闻中每条新闻被展示的次数。
在一个实施例中,计算模块320还适于:根据确定的多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到多条新闻的PageRank、被点击的次数、被展示的次数的平均值;将计算得到的平均值进行加权求和作为新闻源上的位置的属性值。
在一个实施例中,若发布待衡量新闻的新闻源的个数为多个,计算模块320还适于:基于发布待衡量新闻的多个新闻源的网页链接关系,计算出发布待衡量新闻的各个新闻源的属性值和/或待衡量新闻被发布在各个新闻源上的位置的属性值。
根据上述任意一个优选实施例或多个优选实施例的组合,本发明实施例能够达到如下有益效果:
依据本发明提供的技术方案,确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值,并获取每个发布属性的属性值。进而根据确定的权值以及获取的属性值对至少一个发布属性进行加权处理,计算得出的值作为待衡量新闻的重要性值。随后将重要性值与预设的衡量规则进行比较,衡量出待衡量新闻的重要性。可见,本发明基于待衡量新闻的至少一个发布属性来综合衡量待衡量新闻的重要性,使得衡量结果更加客观、准确、全面。由此解决了相关技术中若采用网页等级(PageRank)方法确定新闻重要性而产生负面作用的问题。并且,新闻搜索引擎能够根据本发明提供的客观、准确、全面的待衡量新闻的重要性的衡量结果将重要性高的新闻尽量排在搜索结果的前面,方便用户尽快找到价值较高的新闻。
本发明还公开了:
A1、一种衡量新闻重要性的方法,包括:
确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;
获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;
将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。
A2、根据A1所述的方法,其中,所述发布属性包括下列任意之一:
发布时间;
发布所述待衡量新闻的新闻源;
所述待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
A3、根据A1或A2所述的方法,其中,
若所述至少一个发布属性包括发布所述待衡量新闻的新闻源和/或所述待衡量新闻被发布在新闻源上的位置,
所述获取每个发布属性的属性值之前,还包括:
基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值。
A4、根据A1-A3任一项所述的方法,其中,基于发布所述待衡量新闻的新闻源的网页链接关系,计算出所述待衡量新闻被发布在所述新闻源上的位置的属性值,包括:
统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻;
确定所述多条新闻的参数;
根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值作为所述待衡量新闻被发布在所述新闻源上的所述位置的属性值。
A5、根据A1-A4任一项所述的方法,其中,统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻之前,还包括:
以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的所述新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
A6、根据A1-A5任一项所述的方法,其中,所述多条新闻的参数包括下列至少之一:
所述多条新闻中每条新闻的网页等级PageRank;
所述多条新闻中每条新闻被点击的次数;
所述多条新闻中每条新闻被展示的次数。
A7、根据A1-A6任一项所述的方法,其中,根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值,包括:
根据确定的所述多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到所述多条新闻的PageRank、被点击的次数、被展示的次数的平均值;
将计算得到的所述平均值进行加权求和作为所述新闻源上的所述位置的属性值。
A8、根据A1-A7任一项所述的方法,其中,
若发布所述待衡量新闻的新闻源的个数为多个,
基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值,包括:
基于发布所述待衡量新闻的多个新闻源的网页链接关系,计算出发布所述待衡量新闻的各个新闻源的属性值和/或所述待衡量新闻被发布在各个所述新闻源上的位置的属性值。
B9、一种衡量新闻重要性的装置,包括:
确定模块,适于确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;
计算模块,适于获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;
衡量模块,适于将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。
B10、根据B9所述的装置,其中,所述发布属性包括下列任意之一:
发布时间;
发布所述待衡量新闻的新闻源;
所述待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
B11、根据B9或B10所述的装置,其中,
若所述至少一个发布属性包括发布所述待衡量新闻的新闻源和/或所述待衡量新闻被发布在新闻源上的位置,
在所述计算模块获取每个发布属性的属性值之前,所述计算模块还适于:
基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值。
B12、根据B9-B11任一项所述的装置,其中,所述计算模块还适于:
统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻;
确定所述多条新闻的参数;
根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值作为所述待衡量新闻被发布在所述新闻源上的所述位置的属性值。
B13、根据B9-B12任一项所述的装置,其中,在所述计算模块统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻之前,还包括:
抓取模块,适于以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的所述新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
B14、根据B9-B13任一项所述的装置,其中,所述多条新闻的参数包括下列至少之一:
所述多条新闻中每条新闻的网页等级PageRank;
所述多条新闻中每条新闻被点击的次数;
所述多条新闻中每条新闻被展示的次数。
B15、根据B9-B14任一项所述的装置,其中,所述计算模块还适于:
根据确定的所述多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到所述多条新闻的PageRank、被点击的次数、被展示的次数的平均值;
将计算得到的所述平均值进行加权求和作为所述新闻源上的所述位置的属性值。
B16、根据B9-B15任一项所述的装置,其中,若发布所述待衡量新闻的新闻源的个数为多个,所述计算模块还适于:
基于发布所述待衡量新闻的多个新闻源的网页链接关系,计算出发布所述待衡量新闻的各个新闻源的属性值和/或所述待衡量新闻被发布在各个所述新闻源上的位置的属性值。
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衡量新闻重要性的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。
至此,本领域技术人员应认识到,虽然本文已详尽示出和描述了本发明的多个示例性实施例,但是,在不脱离本发明精神和范围的情况下,仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此,本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。
Claims (10)
1.一种衡量新闻重要性的方法,包括:
确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;
获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;
将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。
2.根据权利要求1所述的方法,其中,所述发布属性包括下列任意之一:
发布时间;
发布所述待衡量新闻的新闻源;
所述待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
3.根据权利要求1或2所述的方法,其中,
若所述至少一个发布属性包括发布所述待衡量新闻的新闻源和/或所述待衡量新闻被发布在新闻源上的位置,
所述获取每个发布属性的属性值之前,还包括:
基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值。
4.根据权利要求1-3任一项所述的方法,其中,基于发布所述待衡量新闻的新闻源的网页链接关系,计算出所述待衡量新闻被发布在所述新闻源上的位置的属性值,包括:
统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻;
确定所述多条新闻的参数;
根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值作为所述待衡量新闻被发布在所述新闻源上的所述位置的属性值。
5.根据权利要求1-4任一项所述的方法,其中,统计指定时间段内被发布在所述新闻源上的所述位置的多条新闻之前,还包括:
以预设的时间间隔从多个新闻源上抓取发布时间距当前不超过指定时长的新闻,记录抓取的所述新闻首次被发布的时间、新闻源以及被发布在该新闻源上的位置。
6.根据权利要求1-5任一项所述的方法,其中,所述多条新闻的参数包括下列至少之一:
所述多条新闻中每条新闻的网页等级PageRank;
所述多条新闻中每条新闻被点击的次数;
所述多条新闻中每条新闻被展示的次数。
7.根据权利要求1-6任一项所述的方法,其中,根据确定的所述多条新闻的参数,计算出所述新闻源上的所述位置的属性值,包括:
根据确定的所述多条新闻中每条新闻的PageRank、被点击的次数、被展示的次数,分别计算得到所述多条新闻的PageRank、被点击的次数、被展示的次数的平均值;
将计算得到的所述平均值进行加权求和作为所述新闻源上的所述位置的属性值。
8.根据权利要求1-7任一项所述的方法,其中,
若发布所述待衡量新闻的新闻源的个数为多个,
基于发布所述待衡量新闻的新闻源的网页链接关系,计算出发布所述待衡量新闻的新闻源的属性值和/或所述待衡量新闻被发布在所述新闻源上的位置的属性值,包括:
基于发布所述待衡量新闻的多个新闻源的网页链接关系,计算出发布所述待衡量新闻的各个新闻源的属性值和/或所述待衡量新闻被发布在各个所述新闻源上的位置的属性值。
9.一种衡量新闻重要性的装置,包括:
确定模块,适于确定待衡量新闻的至少一个发布属性,以及每个发布属性在新闻重要性中的权值;
计算模块,适于获取每个发布属性的属性值,并根据确定的所述权值以及获取的所述属性值对所述至少一个发布属性进行加权处理,计算得出的值作为所述待衡量新闻的重要性值;
衡量模块,适于将所述重要性值与预设的衡量规则进行比较,衡量出所述待衡量新闻的重要性。
10.根据权利要求9所述的装置,其中,所述发布属性包括下列任意之一:
发布时间;
发布所述待衡量新闻的新闻源;
所述待衡量新闻被发布在新闻源上的位置;
发布内容中的文字或图片信息;
发布内容的篇幅。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410539702.7A CN104331419A (zh) | 2014-10-13 | 2014-10-13 | 衡量新闻重要性的方法和装置 |
PCT/CN2015/091870 WO2016058521A1 (zh) | 2014-10-13 | 2015-10-13 | 判断新闻发布位置和新闻的重要性的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410539702.7A CN104331419A (zh) | 2014-10-13 | 2014-10-13 | 衡量新闻重要性的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104331419A true CN104331419A (zh) | 2015-02-04 |
Family
ID=52406146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410539702.7A Pending CN104331419A (zh) | 2014-10-13 | 2014-10-13 | 衡量新闻重要性的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331419A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN105389397A (zh) * | 2015-12-22 | 2016-03-09 | 北京奇虎科技有限公司 | 对新闻进行排序的方法和装置 |
WO2016058521A1 (zh) * | 2014-10-13 | 2016-04-21 | 北京奇虎科技有限公司 | 判断新闻发布位置和新闻的重要性的方法和装置 |
CN106909618A (zh) * | 2017-01-13 | 2017-06-30 | 广州薏生网络科技有限公司 | 一种健康类自媒体上的文章传播综合影响力的计算方法 |
CN108319587A (zh) * | 2018-02-05 | 2018-07-24 | 中译语通科技股份有限公司 | 一种多权重的舆情价值计算方法及系统、计算机 |
CN112016294A (zh) * | 2020-09-04 | 2020-12-01 | 上海智芝全智能科技有限公司 | 一种基于文本的新闻重要性评估方法、装置及电子设备 |
CN116166897A (zh) * | 2023-02-24 | 2023-05-26 | 北京大学重庆大数据研究院 | 基于ais和ads-b结合的热点数据融合方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100281012A1 (en) * | 2009-04-29 | 2010-11-04 | Microsoft Corporation | Automatic recommendation of vertical search engines |
CN103955547A (zh) * | 2014-05-22 | 2014-07-30 | 厦门市美亚柏科信息股份有限公司 | 发现论坛热帖的方法和系统 |
CN104036038A (zh) * | 2014-06-30 | 2014-09-10 | 北京奇虎科技有限公司 | 新闻推荐方法和系统 |
-
2014
- 2014-10-13 CN CN201410539702.7A patent/CN104331419A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100281012A1 (en) * | 2009-04-29 | 2010-11-04 | Microsoft Corporation | Automatic recommendation of vertical search engines |
CN103955547A (zh) * | 2014-05-22 | 2014-07-30 | 厦门市美亚柏科信息股份有限公司 | 发现论坛热帖的方法和系统 |
CN104036038A (zh) * | 2014-06-30 | 2014-09-10 | 北京奇虎科技有限公司 | 新闻推荐方法和系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016058521A1 (zh) * | 2014-10-13 | 2016-04-21 | 北京奇虎科技有限公司 | 判断新闻发布位置和新闻的重要性的方法和装置 |
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 |
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 |
CN105389397A (zh) * | 2015-12-22 | 2016-03-09 | 北京奇虎科技有限公司 | 对新闻进行排序的方法和装置 |
WO2017107695A1 (zh) * | 2015-12-22 | 2017-06-29 | 北京奇虎科技有限公司 | 对新闻进行排序的方法和装置 |
CN106909618A (zh) * | 2017-01-13 | 2017-06-30 | 广州薏生网络科技有限公司 | 一种健康类自媒体上的文章传播综合影响力的计算方法 |
CN108319587A (zh) * | 2018-02-05 | 2018-07-24 | 中译语通科技股份有限公司 | 一种多权重的舆情价值计算方法及系统、计算机 |
CN108319587B (zh) * | 2018-02-05 | 2021-11-19 | 中译语通科技股份有限公司 | 一种多权重的舆情价值计算方法及系统、计算机 |
CN112016294A (zh) * | 2020-09-04 | 2020-12-01 | 上海智芝全智能科技有限公司 | 一种基于文本的新闻重要性评估方法、装置及电子设备 |
CN112016294B (zh) * | 2020-09-04 | 2023-04-07 | 上海智芝全智能科技有限公司 | 一种基于文本的新闻重要性评估方法、装置及电子设备 |
CN116166897A (zh) * | 2023-02-24 | 2023-05-26 | 北京大学重庆大数据研究院 | 基于ais和ads-b结合的热点数据融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331419A (zh) | 衡量新闻重要性的方法和装置 | |
Zhu | Data Envelopment Analysis a Handbook of Models and Methods | |
CN103092999B (zh) | 一种网页抓取周期调整方法和装置 | |
US7877392B2 (en) | Centralized web-based software solutions for search engine optimization | |
CN105608112A (zh) | 衡量地图poi数据的质量的方法和装置 | |
CN103077254B (zh) | 网页获取方法和装置 | |
CN105488201A (zh) | 一种日志查询方法和系统 | |
CN107578263A (zh) | 一种广告异常访问的检测方法、装置和电子设备 | |
CN107861981A (zh) | 一种数据处理方法及装置 | |
CN104462554B (zh) | 问答页面相关问题推荐方法和装置 | |
CN104391953B (zh) | 检测网页更新的方法及装置 | |
CN110069693A (zh) | 用于确定目标页面的方法和装置 | |
CN105786851A (zh) | 问答知识库的构建方法、提供搜索的方法及装置 | |
CN106815277B (zh) | 搜索引擎优化的评估方法及装置 | |
CN104951476B (zh) | 确定网站内链接等级的方法及装置 | |
CN104462556A (zh) | 问答页面相关问题推荐方法和装置 | |
CN103530392B (zh) | 确定抓取流量的方法及设备 | |
CN104699843A (zh) | 在搜索结果中提供产品对比信息的方法及装置 | |
CN108664605A (zh) | 一种模型评估方法及系统 | |
CN104317929A (zh) | 搜索结果呈现优化方法和装置 | |
CN106528569B (zh) | 计算站内搜索有效度的方法及装置 | |
CN105488209B (zh) | 一种词权重的分析方法及装置 | |
CN104331420A (zh) | 判断新闻发布位置的重要性的方法和装置 | |
CN103793509B (zh) | 组图抓取方法与装置 | |
CN107391627A (zh) | 数据的内存占用分析方法、装置及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150204 |
|
RJ01 | Rejection of invention patent application after publication |