CN105528336B - 多标杆确定文章相关性的方法和装置 - Google Patents
多标杆确定文章相关性的方法和装置 Download PDFInfo
- Publication number
- CN105528336B CN105528336B CN201510982863.8A CN201510982863A CN105528336B CN 105528336 B CN105528336 B CN 105528336B CN 201510982863 A CN201510982863 A CN 201510982863A CN 105528336 B CN105528336 B CN 105528336B
- Authority
- CN
- China
- Prior art keywords
- article
- mark post
- correlation
- distance set
- multiple mark
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Abstract
本发明提供一种基于多标杆确定文章相关性的方法和装置,方法包括:将第一文章与预设的多个标杆文章进行比较,得到第一文章与多个标杆文章的第一距离集合;将第二文章与多个标杆文章进行比较,得到第二文章与多个标杆文章的第二距离集合;基于第一距离集合与第二距离集合确定第一文章与第二文章之间的相关度。根据本发明,多个标杆文章的存在,使得得到的第一距离集合、第二距离集合更能反映第一文章、第二文章的特点,进而根据第一距离集合、第二距离集合计算的相关度更加准确。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种多标杆确定文章相关性的方法和装置。
背景技术
在互联网领域内,当新的文章出现时,需要将其和已有的文章进行比较,确定新的文章和已有的哪些文章是相关文章关系,以便于在用户查看文章时将相关文章一起推荐给用户。
由于已有文章的数量庞大,而每个新的文章都需要与所有已有文章进行比较,导致计算量非常巨大,计算文章相关性的效率非常低。
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多标杆确定文章相关性的方法和装置。
依据本发明的一种基于多标杆确定文章相关性的方法,包括:将第一文章与预设的多个标杆文章进行比较,得到所述第一文章与所述多个标杆文章的第一距离集合;将第二文章与所述多个标杆文章进行比较,得到所述第二文章与所述多个标杆文章的第二距离集合;基于所述第一距离集合与所述第二距离集合确定所述第一文章与所述第二文章之间的相关度。
可选地,前述的方法,基于所述第一距离集合与所述第二距离集合确定所述第一文章与所述第二文章之间的相关度,具体包括:计算所述第一距离集合与所述第二距离集合的距离差,根据所述距离差确定所述第一文章与所述第二文章的相关度。
可选地,前述的方法,在将第一文章与预设的多个标杆文章进行比较之前,还包括:识别所述第一文章的类型,并从预设的标杆文章集合中选择具有相对应类型的所述多个标杆文章。
可选地,前述的方法,在将第一文章与预设的多个标杆文章进行比较之前,还包括:获取所述第一文章中的关键词,并从预设的标杆文章集合中选择具有所述关键词的所述多个标杆文章。
可选地,前述的方法,将第一文章与预设的多个标杆文章进行比较,得到所述第一文章与所述多个标杆文章的第一距离集合,具体包括:获取所述第一文章的特征属性,并根据述第一文章的特征属性生成所述第一文章对应的向量,将所述第一文章对应的向量与预设的所述多个标杆文章对应的向量进行比较;将第二文章与所述多个标杆文章进行比较,得到所述第二文章与所述多个标杆文章的第二距离集合,具体包括:获取所述第二文章的特征属性,并根据述第二文章的特征属性生成所述第二文章对应的向量,并将所述第二文章对应的向量与所述多个标杆文章对应的向量进行比较。
可选地,前述的方法,获取所述第一文章的特征属性,具体包括:对所述第一文章进行分词得到多个词,计算所述第一文章的多个词的词频,作为所述第一文章的特征属性;获取所述第二文章的特征属性,具体包括:对所述第二文章进行分词得到多个词,计算所述第二文章的多个词的词频,作为所述第二文章的特征属性。
可选地,前述的方法,还包括:在所述距离差均位于预设区间时,将所述第二文章设置为所述第一文章的相关文章,以用于在需推送所述第一文章的相关文章时推送所述第二文章。
依据本发明的一种基于多标杆确定文章相关性的装置,包括:第一比较模块,用于将第一文章与预设的多个标杆文章进行比较,得到所述第一文章与所述多个标杆文章的第一距离集合;第二比较模块,用于将第二文章与所述多个标杆文章进行比较,得到所述第二文章与所述多个标杆文章的第二距离集合;相关度确定模块,用于基于所述第一距离集合与所述第二距离集合确定所述第一文章与所述第二文章之间的相关度。
可选地,前述的装置,所述相关度确定模块计算所述第一距离集合与所述第二距离集合的距离差,根据所述距离差确定所述第一文章与所述第二文章的相关度。
可选地,前述的装置,还包括:第一选择模块,用于识别所述第一文章的类型,并从预设的标杆文章集合中选择具有相对应类型的所述多个标杆文章。
可选地,前述的装置,还包括:第二选择模块,用于获取所述第一文章中的关键词,并从预设的标杆文章集合中选择具有所述关键词的所述多个标杆文章。
可选地,前述的装置,所述第一比较模块获取所述第一文章的特征属性,并根据述第一文章的特征属性生成所述第一文章对应的向量,将所述第一文章对应的向量与预设的所述多个标杆文章对应的向量进行比较;所述第二比较模块获取所述第二文章的特征属性,并根据述第二文章的特征属性生成所述第二文章对应的向量,并将所述第二文章对应的向量与所述多个标杆文章对应的向量进行比较。
可选地,前述的装置,所述第一比较模块对所述第一文章进行分词得到多个词,计算所述第一文章的多个词的词频,作为所述第一文章的特征属性;所述第二比较模块对所述第二文章进行分词得到多个词,计算所述第二文章的多个词的词频,作为所述第二文章的特征属性。
可选地,前述的装置,还包括:设置模块,用于在所述距离差均位于预设区间时,将所述第二文章设置为所述第一文章的相关文章,以用于在需推送所述第一文章的相关文章时推送所述第二文章。
根据以上技术方案,本发明的基于多标杆确定文章相关性的方法和装置至少具有以下优点:
根据本发明的技术方案,当需要分析多个文章之间的相关性时,不必进行多个文章之间的对比,而是进行多个文章与标杆文章之间的比较,如果两个文章与标杆文章之间的距离相似,则说明两个文章之间具有一定的类似程度;由于多个标杆文章是固定的,而其他文章不需要进行互相之间的对比,只需要进行与标杆文章的对比,即可确定多个文章之间的相关性,所以根据本发明的技术方案获取相关文章的效率非常高;多个标杆文章的存在,使得得到的第一距离集合、第二距离集合更能反映第一文章、第二文章的特点,进而根据第一距离集合、第二距离集合计算的相关度更加准确。
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基于多标杆确定文章相关性的方法的流程图;
图2示出了根据本发明的一个实施例的基于多标杆确定文章相关性的装置的框图;
图3示出了根据本发明的一个实施例的基于多标杆确定文章相关性的装置的框图。
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中提供了一种基于多标杆确定文章相关性的方法,包括:
步骤110,将第一文章与预设的多个标杆文章进行比较,得到第一文章与多个标杆文章的第一距离集合。在本实施例中,对标杆文章不进行限制,任何一篇文章都可以选定作为标杆文章。
步骤120,将第二文章与多个标杆文章进行比较,得到第二文章与多个标杆文章的第二距离集合。
步骤130,基于第一距离集合与第二距离集合确定第一文章与第二文章之间的相关度。在本实施例中,距离反映了文章之间的差别,本实施例对计算距离的方式不进行限制;由于多个标杆文章是固定的,可以理解多个标杆文章以及第一距离集合共同体现了第一文章的特点,多个标杆文章和第二距离集合共同体现了第二文章的特点,进而可以分析第一文章和第二文章的相似度。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的方法,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的方法,步骤130,具体包括:
计算第一距离集合与第二距离集合的距离差,根据距离差确定第一文章与第二文章的相关度。根据本实施例的技术方案,多个标杆文章以及第一距离集合共同体现了第一文章的特点,多个标杆文章和第二距离集合共同体现了第二文章的特点,那么第一距离集合与第二距离集合的距离差则反映了第一文章与第二文章的区别,可知距离差较大时第一文章和第二文章相关度较低,距离差较小时第一文章和第二文章相关度较高。例如,标杆文章简化为《明星A新片尺度大职场御姐范儿就得这么穿》,那么文章a《明星A新片尺度大一集亲热数次》、文章b《明星A最新新片剧照有范儿》与其距离分别为4、3,距离差为1较小;而文章c《大牌就得这么穿》和标杆文章距离也为4,这时再来一篇标杆文章《明星A新片上映卖座》与文章a、文章b距离都为2,与文章c距离为0,这样就体现除了文章a、b与文章c的区别,由此可见采用多个标杆文章能够更精准地识别文章之间的相关度。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的方法,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的方法,在步骤110比较之前,还包括:
识别第一文章的类型,并从预设的标杆文章集合中选择具有相对应类型的多个标杆文章。在本实施例中,如果第一文章、第二文章与某个标杆文章之间的距离过大,只能说明第一文章、第二文章与该标杆文章均有很大不同,但难以说明第一文章、第二文章之间的相关性如何;而同类型的文章之间具有较高的相关性,则本实施例使得第一文章与该标杆文章之间的距离较小,说明第一文章与某个标杆文章相关性较高,则第二文章与某个标杆文章距离大则相当于与第一文章距离大,即第一文章与第二文章相关性较弱,第二文章与标杆文章距离小则相当于与第一文章距离小,即第一文章与第二文章相关性较强。例如,如果第一文章为体育文章,则选取的多个标杆文章为体育文章。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的方法,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的方法,在步骤110之前,还包括:
获取第一文章中的关键词,并从预设的标杆文章集合中选择具有关键词的多个标杆文章。在本实施例中,如果第一文章、第二文章与某个标杆文章之间的距离过大,只能说明第一文章、第二文章与该标杆文章均有很大不同,但难以说明第一文章、第二文章之间的相关性如何;而同类型的文章之间具有较高的相关性,则本实施例使得第一文章与该标杆文章之间的距离较小,说明第一文章与某个标杆文章相关性较高,则第二文章与某个标杆文章距离大则相当于与第一文章距离大,即第一文章与第二文章相关性较弱,第二文章与标杆文章距离小则相当于与第一文章距离小,即第一文章与第二文章相关性较强。例如,如果第一文章的标题为《明星A获奖》,则选取的标杆文章可以是《明星A全纪录》、《明星A的经历》,关键词是明星A。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的方法,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的方法,步骤110,具体包括:获取第一文章的特征属性,并根据述第一文章的特征属性生成第一文章对应的向量,将第一文章对应的向量与预设的多个标杆文章对应的向量进行比较。
步骤120,具体包括:获取第二文章的特征属性,并根据述第二文章的特征属性生成第二文章对应的向量,并将第二文章对应的向量与多个标杆文章对应的向量进行比较。
在本实施例中,对特征属性不进行限制;利用文章的一个或多个特征属性,容易将文章量化为数字,能够更容易、更精确地计算文章之间的距离。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的方法,相比于前述的实施例,步骤110,具体包括:
对第一文章进行分词得到多个词,计算第一文章的多个词的词频,作为第一文章的特征属性。
步骤120,具体包括:对第二文章进行分词得到多个词,计算第二文章的多个词的词频,作为第二文章的特征属性。
在本实施例中,根据计算得到的词频,为第一文章构造出一个文章向量;同样地,第二文章、标杆文章也可以构造相应的文章向量。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的方法,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的方法,还包括:
在距离差均位于预设区间时,将第二文章设置为第一文章的相关文章,以用于在需推送第一文章的相关文章时推送第二文章。在本实施例中,在距离差位于预设区间时,将第二文章设置为第一文章的相关文章,以用于在需推送第一文章的相关文章时推送第二文章。
如图2所示,本发明的一个实施例中提供了一种基于多标杆确定文章相关性的装置,包括:
第一比较模块210,用于将第一文章与预设的多个标杆文章进行比较,得到第一文章与多个标杆文章的第一距离集合。在本实施例中,对标杆文章不进行限制,任何一篇文章都可以选定作为标杆文章。
第二比较模块220,用于将第二文章与多个标杆文章进行比较,得到第二文章与多个标杆文章的第二距离集合。
相关度确定模块230,用于基于第一距离集合与第二距离集合确定第一文章与第二文章之间的相关度。在本实施例中,距离反映了文章之间的差别,本实施例对计算距离的方式不进行限制;由于多个标杆文章是固定的,可以理解多个标杆文章以及第一距离集合共同体现了第一文章的特点,多个标杆文章和第二距离集合共同体现了第二文章的特点,进而可以分析第一文章和第二文章的相似度。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的装置,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的装置,相关度确定模块230计算第一距离集合与第二距离集合的距离差,根据距离差确定第一文章与第二文章的相关度。根据本实施例的技术方案,多个标杆文章以及第一距离集合共同体现了第一文章的特点,多个标杆文章和第二距离集合共同体现了第二文章的特点,那么第一距离集合与第二距离集合的距离差则反映了第一文章与第二文章的区别,可知距离差较大时第一文章和第二文章相关度较低,距离差较小时第一文章和第二文章相关度较高。例如,标杆文章简化为《明星A新片尺度大职场御姐范儿就得这么穿》,那么文章a《明星A新片尺度大一集亲热数次》、文章b《明星A最新新片剧照有范儿》与其距离分别为4、3,距离差为1较小;而文章c《大牌就得这么穿》和标杆文章距离也为4,这时再来一篇标杆文章《明星A新片上映卖座》与文章a、文章b距离都为2,与文章c距离为0,这样就体现除了文章a、b与文章c的区别,由此可见采用多个标杆文章能够更精准地识别文章之间的相关度。
如图3所示,本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的装置,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的装置,还包括:
第一选择模块310,用于识别第一文章的类型,并从预设的标杆文章集合中选择具有相对应类型的多个标杆文章。在本实施例中,如果第一文章、第二文章与某个标杆文章之间的距离过大,只能说明第一文章、第二文章与该标杆文章均有很大不同,但难以说明第一文章、第二文章之间的相关性如何;而同类型的文章之间具有较高的相关性,则本实施例使得第一文章与该标杆文章之间的距离较小,说明第一文章与某个标杆文章相关性较高,则第二文章与某个标杆文章距离大则相当于与第一文章距离大,即第一文章与第二文章相关性较弱,第二文章与标杆文章距离小则相当于与第一文章距离小,即第一文章与第二文章相关性较强。例如,如果第一文章为体育文章,则选取的多个标杆文章为体育文章。
如图3所示,本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的装置,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的装置,还包括:
第二选择模块320,用于获取第一文章中的关键词,并从预设的标杆文章集合中选择具有关键词的多个标杆文章。在本实施例中,如果第一文章、第二文章与某个标杆文章之间的距离过大,只能说明第一文章、第二文章与该标杆文章均有很大不同,但难以说明第一文章、第二文章之间的相关性如何;而同类型的文章之间具有较高的相关性,则本实施例使得第一文章与该标杆文章之间的距离较小,说明第一文章与某个标杆文章相关性较高,则第二文章与某个标杆文章距离大则相当于与第一文章距离大,即第一文章与第二文章相关性较弱,第二文章与标杆文章距离小则相当于与第一文章距离小,即第一文章与第二文章相关性较强。例如,如果第一文章的标题为《明星A获奖》,则选取的标杆文章可以是《明星A全纪录》、《明星A的经历》,关键词是明星A。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的装置,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的装置,第一比较模块210获取第一文章的特征属性,并根据述第一文章的特征属性生成第一文章对应的向量,将第一文章对应的向量与预设的多个标杆文章对应的向量进行比较;第二比较模块220获取第二文章的特征属性,并根据述第二文章的特征属性生成第二文章对应的向量,并将第二文章对应的向量与多个标杆文章对应的向量进行比较。在本实施例中,对特征属性不进行限制;利用文章的一个或多个特征属性,容易将文章量化为数字,能够更容易、更精确地计算文章之间的距离。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的装置,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的装置,第一比较模块210对第一文章进行分词得到多个词,计算第一文章的多个词的词频,作为第一文章的特征属性;第二比较模块220对第二文章进行分词得到多个词,计算第二文章的多个词的词频,作为第二文章的特征属性。在本实施例中,根据计算得到的词频,为第一文章构造出一个文章向量;同样地,第二文章、标杆文章也可以构造相应的文章向量。
本发明的一个实施例中还提供了一种基于多标杆确定文章相关性的装置,相比于前述的实施例,本实施例的一种基于多标杆确定文章相关性的装置,还包括:设置模块330,用于在距离差均位于预设区间时,将第二文章设置为第一文章的相关文章,以用于在需推送第一文章的相关文章时推送第二文章。在本实施例中,在距离差位于预设区间时,将第二文章设置为第一文章的相关文章,以用于在需推送第一文章的相关文章时推送第二文章。
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基于多标杆确定文章相关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。
Claims (10)
1.一种基于多标杆确定文章相关性的方法,其特征在于,包括:
将第一文章与预设的多个标杆文章进行比较,得到所述第一文章与所述多个标杆文章的第一距离集合;
将第二文章与所述多个标杆文章进行比较,得到所述第二文章与所述多个标杆文章的第二距离集合;
基于所述第一距离集合与所述第二距离集合确定所述第一文章与所述第二文章之间的相关度,具体包括:
计算所述第一距离集合与所述第二距离集合的距离差,根据所述距离差确定所述第一文章与所述第二文章的相关度;
在所述距离差均位于预设区间时,将所述第二文章设置为所述第一文章的相关文章,以用于在需推送所述第一文章的相关文章时推送所述第二文章。
2.根据权利要求1所述的方法,其特征在于,在将第一文章与预设的多个标杆文章进行比较之前,还包括:
识别所述第一文章的类型,并从预设的标杆文章集合中选择具有相对应类型的所述多个标杆文章。
3.根据权利要求1所述的方法,其特征在于,在将第一文章与预设的多个标杆文章进行比较之前,还包括:
获取所述第一文章中的关键词,并从预设的标杆文章集合中选择具有所述关键词的所述多个标杆文章。
4.根据权利要求1-3任一项所述的方法,其特征在于,将第一文章与预设的多个标杆文章进行比较,得到所述第一文章与所述多个标杆文章的第一距离集合,具体包括:
获取所述第一文章的特征属性,并根据所述第一文章的特征属性生成所述第一文章对应的向量,将所述第一文章对应的向量与预设的所述多个标杆文章对应的向量进行比较;
将第二文章与所述多个标杆文章进行比较,得到所述第二文章与所述多个标杆文章的第二距离集合,具体包括:
获取所述第二文章的特征属性,并根据述第二文章的特征属性生成所述第二文章对应的向量,并将所述第二文章对应的向量与所述多个标杆文章对应的向量进行比较。
5.根据权利要求4所述的方法,其特征在于,获取所述第一文章的特征属性,具体包括:
对所述第一文章进行分词得到多个词,计算所述第一文章的多个词的词频,作为所述第一文章的特征属性;
获取所述第二文章的特征属性,具体包括:
对所述第二文章进行分词得到多个词,计算所述第二文章的多个词的词频,作为所述第二文章的特征属性。
6.一种基于多标杆确定文章相关性的装置,其特征在于,包括:
第一比较模块,用于将第一文章与预设的多个标杆文章进行比较,得到所述第一文章与所述多个标杆文章的第一距离集合;
第二比较模块,用于将第二文章与所述多个标杆文章进行比较,得到所述第二文章与所述多个标杆文章的第二距离集合;
相关度确定模块,用于基于所述第一距离集合与所述第二距离集合确定所述第一文章与所述第二文章之间的相关度;
所述相关度确定模块计算所述第一距离集合与所述第二距离集合的距离差,根据所述距离差确定所述第一文章与所述第二文章的相关度;
设置模块,用于在所述距离差均位于预设区间时,将所述第二文章设置为所述第一文章的相关文章,以用于在需推送所述第一文章的相关文章时推送所述第二文章。
7.根据权利要求6所述的装置,其特征在于,还包括:
第一选择模块,用于识别所述第一文章的类型,并从预设的标杆文章集合中选择具有相对应类型的所述多个标杆文章。
8.根据权利要求6所述的装置,其特征在于,还包括:
第二选择模块,用于获取所述第一文章中的关键词,并从预设的标杆文章集合中选择具有所述关键词的所述多个标杆文章。
9.根据权利要求6-8任一项所述的装置,其特征在于,
所述第一比较模块获取所述第一文章的特征属性,并根据述第一文章的特征属性生成所述第一文章对应的向量,将所述第一文章对应的向量与预设的所述多个标杆文章对应的向量进行比较;所述第二比较模块获取所述第二文章的特征属性,并根据述第二文章的特征属性生成所述第二文章对应的向量,并将所述第二文章对应的向量与所述多个标杆文章对应的向量进行比较。
10.根据权利要求9所述的装置,其特征在于,
所述第一比较模块对所述第一文章进行分词得到多个词,计算所述第一文章的多个词的词频,作为所述第一文章的特征属性;所述第二比较模块对所述第二文章进行分词得到多个词,计算所述第二文章的多个词的词频,作为所述第二文章的特征属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982863.8A CN105528336B (zh) | 2015-12-23 | 2015-12-23 | 多标杆确定文章相关性的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510982863.8A CN105528336B (zh) | 2015-12-23 | 2015-12-23 | 多标杆确定文章相关性的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105528336A CN105528336A (zh) | 2016-04-27 |
CN105528336B true CN105528336B (zh) | 2018-09-21 |
Family
ID=55770573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510982863.8A Active CN105528336B (zh) | 2015-12-23 | 2015-12-23 | 多标杆确定文章相关性的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105528336B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110555198B (zh) * | 2018-05-31 | 2023-05-23 | 北京百度网讯科技有限公司 | 用于生成文章的方法、装置、设备和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324666A (zh) * | 2013-05-14 | 2013-09-25 | 亿赞普(北京)科技有限公司 | 一种基于微博数据的话题跟踪方法及装置 |
CN104424279A (zh) * | 2013-08-30 | 2015-03-18 | 腾讯科技(深圳)有限公司 | 一种文本的相关性计算方法和装置 |
CN104462323A (zh) * | 2014-12-02 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 语义相似度计算方法、搜索结果处理方法和装置 |
CN105022840A (zh) * | 2015-08-18 | 2015-11-04 | 新华网股份有限公司 | 一种新闻信息处理方法、新闻推荐方法和相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080021017A (ko) * | 2005-05-13 | 2008-03-06 | 커틴 유니버시티 오브 테크놀로지 | 텍스트 기반의 문서 비교 |
-
2015
- 2015-12-23 CN CN201510982863.8A patent/CN105528336B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324666A (zh) * | 2013-05-14 | 2013-09-25 | 亿赞普(北京)科技有限公司 | 一种基于微博数据的话题跟踪方法及装置 |
CN104424279A (zh) * | 2013-08-30 | 2015-03-18 | 腾讯科技(深圳)有限公司 | 一种文本的相关性计算方法和装置 |
CN104462323A (zh) * | 2014-12-02 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 语义相似度计算方法、搜索结果处理方法和装置 |
CN105022840A (zh) * | 2015-08-18 | 2015-11-04 | 新华网股份有限公司 | 一种新闻信息处理方法、新闻推荐方法和相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105528336A (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103440335B (zh) | 视频推荐方法及装置 | |
Asparouhov et al. | Variable-specific entropy contribution | |
CY1123629T1 (el) | Μεθοδοι και συσκευη για μια κατανεμημενη βαση δεδομενων σε ενα δικτυο | |
CN104021163B (zh) | 产品推荐系统及方法 | |
US20170345029A1 (en) | User action data processing method and device | |
CN107832216A (zh) | 一种埋点测试方法及装置 | |
CN104462554B (zh) | 问答页面相关问题推荐方法和装置 | |
CN104021185B (zh) | 对网页中数据的信息属性进行识别的方法和装置 | |
CN109729395A (zh) | 视频质量评估方法、装置、存储介质和计算机设备 | |
CN103942264B (zh) | 推送包含新闻信息的网页的方法和装置 | |
CN105589847B (zh) | 带权重的文章标识方法和装置 | |
CN106326852A (zh) | 一种基于深度学习的商品识别方法及装置 | |
CN108829718A (zh) | 一种数据处理的方法和装置 | |
CN104778159B (zh) | 一种基于词权重进行分词的方法和装置 | |
US20170372331A1 (en) | Marking of business district information of a merchant | |
CN105528336B (zh) | 多标杆确定文章相关性的方法和装置 | |
CN109543113B (zh) | 确定点击推荐词的方法、装置、存储介质及电子设备 | |
CN109214692B (zh) | 基于用户时序行为的电子书评分方法及电子设备 | |
CN104461761B (zh) | 数据校验方法、装置和服务器 | |
US20130030759A1 (en) | Smoothing a time series data set while preserving peak and/or trough data points | |
CN104462556B (zh) | 问答页面相关问题推荐方法和装置 | |
US9703547B2 (en) | Computing program equivalence based on a hierarchy of program semantics and related canonical representations | |
CN108647227A (zh) | 一种推荐方法及装置 | |
US20120185814A1 (en) | Indicator calculation method and apparatus | |
CN104572921B (zh) | 一种跨数据中心的数据同步方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220729 Address after: Room 801, 8th floor, No. 104, floors 1-19, building 2, yard 6, Jiuxianqiao Road, Chaoyang District, Beijing 100015 Patentee after: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Address before: 100088 room 112, block D, 28 new street, new street, Xicheng District, Beijing (Desheng Park) Patentee before: BEIJING QIHOO TECHNOLOGY Co.,Ltd. Patentee before: Qizhi software (Beijing) Co.,Ltd. |