CN105630766B - 多新闻之间相关性计算方法和装置 - Google Patents
多新闻之间相关性计算方法和装置 Download PDFInfo
- Publication number
- CN105630766B CN105630766B CN201510974431.2A CN201510974431A CN105630766B CN 105630766 B CN105630766 B CN 105630766B CN 201510974431 A CN201510974431 A CN 201510974431A CN 105630766 B CN105630766 B CN 105630766B
- Authority
- CN
- China
- Prior art keywords
- news
- incidence relation
- level
- vector
- calculates
- 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 39
- 238000004364 calculation method Methods 0.000 title claims abstract description 34
- 239000013598 vector Substances 0.000 claims description 44
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 102220168497 rs113022949 Human genes 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect 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
- G06F40/30—Semantic analysis
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种多新闻之间相关性计算方法和装置，方法包括：确定第一新闻与第二新闻的一级关联关系；确定第二新闻与第三新闻的一级关联关系；根据第一新闻与第二新闻的一级关联关系、第二新闻与第三新闻的一级关联关系，建立第一新闻与第三新闻之间的二级关联关系。根据本发明的建立二级关联关系，可以查找到字面不同但语义相似的新闻。
Description
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种多新闻之间相关性计算方法和装置。
背景技术
在互联网领域，当为一个新闻出现时，通常需要为该新闻查找相关的新闻，以一并推送给用户。
目前的现有技术中，通常是按照一个新闻中的字面内容来查找相关新闻。这种查找相关新闻的方式中存在较大的缺陷：因为相关的两个新闻之间可能语义相同而字面内容不同，则根据现有技术无法找到语义相同而字面内容不同的新闻作为相关新闻。
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新闻之间相关性计算方法和装置。
依据本发明的一种多新闻之间相关性计算方法，包括：确定第一新闻与第二新闻的一级关联关系；确定所述第二新闻与第三新闻的一级关联关系；根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，建立所述第一新闻与所述第三新闻之间的二级关联关系。
可选地，前述的方法，确定第一新闻与第二新闻的一级关联关系，具体包括：根据所述第一新闻的特征属性设置第一向量，根据所述第二新闻的特征属性设置第二向量，计算所述第一向量和所述第二向量的余弦相似度作为所述第一新闻与所述第二新闻的一级关联关系；确定所述第二新闻与第三新闻的一级关联关系，具体包括：根据所述第三新闻的特征属性设置第三向量，计算所述第二向量和所述第三向量的余弦相似度作为所述第二新闻与所述第三新闻的一级关联关系。
可选地，前述的方法，根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，建立所述第一新闻与所述第三新闻之间的二级关联关系，具体包括：根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述第一新闻与所述第三新闻的信息熵；根据所述第一新闻与所述第三新闻的信息熵，确定所述第一新闻与所述第三新闻的二级关联关系。
可选地，前述的方法，所述第二新闻为多个；在确定所述第二新闻与第三新闻的一级关联关系之前，还包括：根据预设规则，为每个第二新闻查找相应的第三新闻；根据所述第一新闻与所述第三新闻的信息熵，确定所述第一新闻与所述第三新闻的二级关联关系，具体包括：根据每个第三新闻对应的第二新闻在全部第二新闻中的占比，计算所述每个第三新闻的权重值；根据所述每个第三新闻的权重值、所述每个第三新闻对应的信息熵，计算所述每个第三新闻与所述第一新闻的二级关联关系。
可选地，前述的方法，所述第三新闻为多个；所述方法还包括：根据所述多个第三新闻与所述第一新闻的二级关联关系，对所述多个第三新闻进行排序。
依据本发明的一种多新闻之间相关性计算装置，包括：第一关联关系确定模块，用于确定第一新闻与第二新闻的一级关联关系；第二关联关系确定模块，确定所述第二新闻与第三新闻的一级关联关系；第三关联关系确定模块，根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，建立所述第一新闻与所述第三新闻之间的二级关联关系。
可选地，前述的装置，所述第一关联关系确定模块根据所述第一新闻的特征属性设置第一向量，根据所述第二新闻的特征属性设置第二向量，计算所述第一向量和所述第二向量的余弦相似度作为所述第一新闻与所述第二新闻的一级关联关系；
所述第二关联关系确定模块根据所述第三新闻的特征属性设置第三向量，计算所述第二向量和所述第三向量的余弦相似度作为所述第二新闻与所述第三新闻的一级关联关系。
可选地，前述的装置，所述第三关联关系确定模块根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述第一新闻与所述第三新闻的信息熵；以及根据所述第一新闻与所述第三新闻的信息熵，确定所述第一新闻与所述第三新闻的二级关联关系。
可选地，前述的装置，所述第二新闻为多个；所述装置还包括：查找模块，用于根据预设规则，为每个第二新闻查找相应的第三新闻；所述第三关联关系确定模块根据每个第三新闻对应的第二新闻在全部第二新闻中的占比，计算所述每个第三新闻的权重值；以及根据所述每个第三新闻的权重值、所述每个第三新闻对应的信息熵，计算所述每个第三新闻与所述第一新闻的二级关联关系。
可选地，前述的装置，所述第三新闻为多个；所述装置还包括：排序模块，用于根据所述多个第三新闻与所述第一新闻的二级关联关系，对所述多个第三新闻进行排序。
根据以上技术方案，本发明的多新闻之间相关性计算方法和装置至少具有以下优点：
在本发明的技术方案中，第一新闻与第二新闻之间的一级关联关系反映了第一新闻与第二新闻的字面内容之间的相似程度，第二新闻与第三新闻之间的一级关联关系反映了第一新闻与第二新闻的字面内容之间的相似程度，但计算得到的第一新闻与第三新闻之间的二级关联关系不再受到字面内容的限制，因为第二新闻与第一新闻字面相似的部分、和第二新闻与第三新闻字面相似的部分可以不同，其实际上反映的是第一新闻与第三新闻的语义相似程度，所以根据本发明的建立二级关联关系，可以查找到字面不同但语义相似的新闻。
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。
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多新闻之间相关性计算方法的流程图；
图2示出了根据本发明的一个实施例的多新闻之间相关性计算方法的流程图；
图3示出了根据本发明的一个实施例的多新闻之间相关性计算方法的原理图；
图4示出了根据本发明的一个实施例的多新闻之间相关性计算装置的框图；
图5示出了根据本发明的一个实施例的多新闻之间相关性计算装置的框图。
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多新闻之间相关性计算方法，包括：
步骤110，确定第一新闻与第二新闻的一级关联关系。在本实施例中，第一新闻与第二新闻之间的一级关联关系反映了第一新闻与第二新闻的字面内容之间的相似程度。
步骤120，确定第二新闻与第三新闻的一级关联关系。第二新闻与第三新闻之间的一级关联关系反映了第一新闻与第二新闻的字面内容之间的相似程度。
步骤130，根据第一新闻与第二新闻的一级关联关系、第二新闻与第三新闻的一级关联关系，建立第一新闻与第三新闻之间的二级关联关系。根据本实施的技术方案，计算得到的第一新闻与第三新闻之间的二级关联关系不再受到字面内容的限制，因为第二新闻与第一新闻字面相似的部分、和第二新闻与第三新闻字面相似的部分可以不同，其实际上反映的是第一新闻与第三新闻的语义相似程度，所以根据本发明的建立二级关联关系，可以查找到字面不同但语义相似的新闻。
本发明的一个实施例中还提供了一种多新闻之间相关性计算方法，相比于前述的实施例，本实施例的多新闻之间相关性计算方法，步骤110，具体包括：
根据第一新闻的特征属性设置第一向量，根据第二新闻的特征属性设置第二向量，计算第一向量和第二向量的余弦相似度作为第一新闻与第二新闻的一级关联关系。在本实施例中，对特征属性不进行限制，例如其分词的词频、发布的时间等特征属性均可用于生成向量。利用余弦相似度作为第一关联关系，则得到的第一关联关系能够反映第一新闻与第二新闻的相似程度。例如对于新闻A、新闻B，则新闻A与新闻B的一级关联关系为：
其中，i为向量的维度，similarity即为预先相似度。
步骤120，具体包括：根据第三新闻的特征属性设置第三向量，计算第二向量和第三向量的余弦相似度作为第二新闻与第三新闻的一级关联关系。同样地，利用余弦相似度也可以计算出第二新闻与第三新闻的一级关联关系。
如图2所示，本发明的一个实施例中还提供了一种多新闻之间相关性计算方法，相比于前述的实施例，本实施例的多新闻之间相关性计算方法，步骤130，具体包括：
步骤210，根据第一新闻与第二新闻的一级关联关系、第二新闻与第三新闻的一级关联关系，计算第一新闻与第三新闻的信息熵。在本实施例中，采用信息熵来确定第一新闻与第三新闻的二级关联关系，则得到的第二关联关系能够体现第一新闻与第三新闻的语义相似度，而不受到字面是否相似的影响。例如，新闻A、新闻B之间为一级关联关系，新闻B、新闻C之间为一级关联关系，则新闻A、新闻C的信息熵为：
这里的p(A,Bi,C)为从新闻A通过新闻Bi到达新闻C的路径概率，i表示新闻B包括多个新闻。
如图3所示，计算通过新闻A通过新闻B1到达新闻C1的概率为：P(A,B1,C1)＝|W1|*|V11|，这里||为向量余弦值的平方标准化后的权重。
W1＝cos(A,B1)^2，|W1|+|W2|+|W3|+…＝1；V11＝cos(B1,C1)^2，|V11|+|V12|+|V13|…＝1。基于以上公式，可以计算得到信息熵。
步骤220，根据第一新闻与第三新闻的信息熵，确定第一新闻与第三新闻的二级关联关系。
本发明的一个实施例中还提供了一种多新闻之间相关性计算方法，相比于前述的实施例，本实施例的多新闻之间相关性计算方法，第二新闻为多个；在步骤120之前，还包括：
根据预设规则，为每个第二新闻查找相应的第三新闻。
步骤130，具体包括：
根据每个第三新闻对应的第二新闻在全部第二新闻中的占比，计算每个第三新闻的权重值；根据每个第三新闻的权重值、每个第三新闻对应的信息熵，计算每个第三新闻与第一新闻的二级关联关系。在本实施例中，假设第二新闻共有N条，某第三新闻关联到其中的nj个第二新闻，则该第三新闻的权重值IDF＝logN/nj，该权值能够反映出第三新闻的重要性程度。
本发明的一个实施例中还提供了一种多新闻之间相关性计算方法，相比于前述的实施例，本实施例的多新闻之间相关性计算方法，第三新闻为多个；方法还包括：
根据多个第三新闻与第一新闻的二级关联关系，对多个第三新闻进行排序。在本实施例的技术方案中，计算出的第二关联关系实际上能够反映新闻之间的语义相似度高低，所以依照第二关联关系排序，能够把更相似的第三新闻提供给用户。
如图4所示，本发明的一个实施例中提供了一种多新闻之间相关性计算装置，包括：
第一关联关系确定模块410，用于确定第一新闻与第二新闻的一级关联关系。在本实施例中，第一新闻与第二新闻之间的一级关联关系反映了第一新闻与第二新闻的字面内容之间的相似程度。
第二关联关系确定模块420，确定第二新闻与第三新闻的一级关联关系。第二新闻与第三新闻之间的一级关联关系反映了第一新闻与第二新闻的字面内容之间的相似程度。
第三关联关系确定模块430，根据第一新闻与第二新闻的一级关联关系、第二新闻与第三新闻的一级关联关系，建立第一新闻与第三新闻之间的二级关联关系。根据本实施的技术方案，计算得到的第一新闻与第三新闻之间的二级关联关系不再受到字面内容的限制，因为第二新闻与第一新闻字面相似的部分、和第二新闻与第三新闻字面相似的部分可以不同，其实际上反映的是第一新闻与第三新闻的语义相似程度，所以根据本发明的建立二级关联关系，可以查找到字面不同但语义相似的新闻。
本发明的一个实施例中还提供了一种多新闻之间相关性计算装置，相比于前述的实施例，本实施例的多新闻之间相关性计算装置，第一关联关系确定模块410根据第一新闻的特征属性设置第一向量，根据第二新闻的特征属性设置第二向量，计算第一向量和第二向量的余弦相似度作为第一新闻与第二新闻的一级关联关系。在本实施例中，对特征属性不进行限制，例如其分词的词频、发布的时间等特征属性均可用于生成向量。利用余弦相似度作为第一关联关系，则得到的第一关联关系能够反映第一新闻与第二新闻的相似程度。例如对于新闻A、新闻B，则新闻A与新闻B的一级关联关系为：
其中，i为向量的维度，similarity即为预先相似度。
第二关联关系确定模块420根据第三新闻的特征属性设置第三向量，计算第二向量和第三向量的余弦相似度作为第二新闻与第三新闻的一级关联关系。同样地，利用余弦相似度也可以计算出第二新闻与第三新闻的一级关联关系。
本发明的一个实施例中还提供了一种多新闻之间相关性计算装置，相比于前述的实施例，本实施例的多新闻之间相关性计算装置，第三关联关系确定模块430根据第一新闻与第二新闻的一级关联关系、第二新闻与第三新闻的一级关联关系，计算第一新闻与第三新闻的信息熵；以及根据第一新闻与第三新闻的信息熵，确定第一新闻与第三新闻的二级关联关系。
在本实施例中，采用信息熵来确定第一新闻与第三新闻的二级关联关系，则得到的第二关联关系能够体现第一新闻与第三新闻的语义相似度，而不受到字面是否相似的影响。例如，新闻A、新闻B之间为一级关联关系，新闻B、新闻C之间为一级关联关系，则新闻A、新闻C的信息熵为：
这里的p(A,Bi,C)为从新闻A通过新闻Bi到达新闻C的路径概率，i表示新闻B包括多个新闻。
如图3所示，计算通过新闻A通过新闻B1到达新闻C1的概率为：P(A,B1,C1)＝|W1|*|V11|，这里||为向量余弦值的平方标准化后的权重。
W1＝cos(A,B1)^2，|W1|+|W2|+|W3|+…＝1；V11＝cos(B1,C1)^2，|V11|+|V12|+|V13|…＝1。基于以上公式，可以计算得到信息熵。
如图5所示，本发明的一个实施例中还提供了一种多新闻之间相关性计算装置，相比于前述的实施例，本实施例的多新闻之间相关性计算装置，第二新闻为多个；装置还包括：
查找模块510，用于根据预设规则，为每个第二新闻查找相应的第三新闻。
第三关联关系确定430模块根据每个第三新闻对应的第二新闻在全部第二新闻中的占比，计算每个第三新闻的权重值；以及根据每个第三新闻的权重值、每个第三新闻对应的信息熵，计算每个第三新闻与第一新闻的二级关联关系。在本实施例中，假设第二新闻共有N条，某第三新闻关联到其中的nj个第二新闻，则该第三新闻的权重值IDF＝logN/nj，该权值能够反映出第三新闻的重要性程度。
如图5所示，本发明的一个实施例中还提供了一种多新闻之间相关性计算装置，相比于前述的实施例，本实施例的多新闻之间相关性计算装置，第三新闻为多个；装置还包括：
排序模块520，用于根据多个第三新闻与第一新闻的二级关联关系，对多个第三新闻进行排序。在本实施例的技术方案中，计算出的第二关联关系实际上能够反映新闻之间的语义相似度高低，所以依照第二关联关系排序，能够把更相似的第三新闻提供给用户。
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多新闻之间相关性计算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)
1.一种多新闻之间相关性计算方法，其特征在于，包括：
确定第一新闻与第二新闻的一级关联关系；
确定所述第二新闻与第三新闻的一级关联关系；
根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，建立所述第一新闻与所述第三新闻之间的二级关联关系；
其中，所述根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，建立所述第一新闻与所述第三新闻之间的二级关联关系，具体包括：
根据每个第三新闻对应的第二新闻在全部第二新闻中的占比，计算所述每个第三新闻的权重值；
根据所述每个第三新闻的权重值以及所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述每个第三新闻与所述第一新闻的二级关联关系。
2.根据权利要求1所述的方法，其特征在于，确定第一新闻与第二新闻的一级关联关系，具体包括：
根据所述第一新闻的特征属性设置第一向量，根据所述第二新闻的特征属性设置第二向量，计算所述第一向量和所述第二向量的余弦相似度作为所述第一新闻与所述第二新闻的一级关联关系；
确定所述第二新闻与第三新闻的一级关联关系，具体包括：
根据所述第三新闻的特征属性设置第三向量，计算所述第二向量和所述第三向量的余弦相似度作为所述第二新闻与所述第三新闻的一级关联关系。
3.根据权利要求1-2任一项所述的方法，其特征在于，根据所述每个第三新闻的权重值以及所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述每个第三新闻与所述第一新闻的二级关联关系，具体包括：
根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述第一新闻与所述第三新闻的信息熵；
根据所述每个第三新闻的权重值、所述每个第三新闻对应的信息熵，计算所述每个第三新闻与所述第一新闻的二级关联关系。
4.根据权利要求1-2任一项所述的方法，其特征在于，所述第二新闻为多个；在确定所述第二新闻与第三新闻的一级关联关系之前，还包括：
根据预设规则，为每个第二新闻查找相应的第三新闻。
5.根据权利要求1-2任一项所述的方法，其特征在于，所述第三新闻为多个；所述方法还包括：
根据所述多个第三新闻与所述第一新闻的二级关联关系，对所述多个第三新闻进行排序。
6.一种多新闻之间相关性计算装置，其特征在于，包括：
第一关联关系确定模块，用于确定第一新闻与第二新闻的一级关联关系；
第二关联关系确定模块，确定所述第二新闻与第三新闻的一级关联关系；
第三关联关系确定模块，根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，建立所述第一新闻与所述第三新闻之间的二级关联关系；
其中，所述第三关联关系确定模块根据每个第三新闻对应的第二新闻在全部第二新闻中的占比，计算所述每个第三新闻的权重值；以及根据所述每个第三新闻的权重值、所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述每个第三新闻与所述第一新闻的二级关联关系。
7.根据权利要求6所述的装置，其特征在于，
所述第一关联关系确定模块根据所述第一新闻的特征属性设置第一向量，根据所述第二新闻的特征属性设置第二向量，计算所述第一向量和所述第二向量的余弦相似度作为所述第一新闻与所述第二新闻的一级关联关系；
所述第二关联关系确定模块根据所述第三新闻的特征属性设置第三向量，计算所述第二向量和所述第三向量的余弦相似度作为所述第二新闻与所述第三新闻的一级关联关系。
8.根据权利要求6-7任一项所述的装置，其特征在于，
所述第三关联关系确定模块根据所述第一新闻与所述第二新闻的一级关联关系、所述第二新闻与所述第三新闻的一级关联关系，计算所述第一新闻与所述第三新闻的信息熵；以及根据所述每个第三新闻的权重值、所述每个第三新闻对应的信息熵，计算所述每个第三新闻与所述第一新闻的二级关联关系。
9.根据权利要求6-7任一项所述的装置，其特征在于，所述第二新闻为多个；所述装置还包括：
查找模块，用于根据预设规则，为每个第二新闻查找相应的第三新闻。
10.根据权利要求6-7任一项所述的装置，其特征在于，所述第三新闻为多个；所述装置还包括：
排序模块，用于根据所述多个第三新闻与所述第一新闻的二级关联关系，对所述多个第三新闻进行排序。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510974431.2A CN105630766B (zh) | 2015-12-22 | 2015-12-22 | 多新闻之间相关性计算方法和装置 |
| PCT/CN2016/103397 WO2017107651A1 (zh) | 2015-12-22 | 2016-10-26 | 确定新闻之间相关性、多新闻之间相关性计算方法和装置 |
| US15/744,688 US10217025B2 (en) | 2015-12-22 | 2016-10-26 | Method and apparatus for determining relevance between news and for calculating relevance among multiple pieces of news |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510974431.2A CN105630766B (zh) | 2015-12-22 | 2015-12-22 | 多新闻之间相关性计算方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105630766A CN105630766A (zh) | 2016-06-01 |
| CN105630766B true CN105630766B (zh) | 2018-11-06 |
Family
ID=56045723
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510974431.2A Active CN105630766B (zh) | 2015-12-22 | 2015-12-22 | 多新闻之间相关性计算方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105630766B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017107651A1 (zh) * | 2015-12-22 | 2017-06-29 | 北京奇虎科技有限公司 | 确定新闻之间相关性、多新闻之间相关性计算方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102411638A (zh) * | 2011-12-30 | 2012-04-11 | 中国科学院自动化研究所 | 一种新闻检索结果的多媒体摘要生成方法 |
| CN104346476A (zh) * | 2014-11-20 | 2015-02-11 | 西安电子科技大学 | 基于物品相似度和网络结构的个性化物品推荐方法 |
| CN104361062A (zh) * | 2014-11-03 | 2015-02-18 | 百度在线网络技术（北京）有限公司 | 一种关联信息的推荐方法及装置 |
| 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 |
| CN104572855A (zh) * | 2014-12-17 | 2015-04-29 | 深圳先进技术研究院 | 一种新闻推荐方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1168031C (zh) * | 2001-09-07 | 2004-09-22 | 联想(北京)有限公司 | 基于文本内容特征相似度和主题相关程度比较的内容过滤器 |
| US20110264997A1 (en) * | 2010-04-21 | 2011-10-27 | Microsoft Corporation | Scalable Incremental Semantic Entity and Relatedness Extraction from Unstructured Text |
-
2015
- 2015-12-22 CN CN201510974431.2A patent/CN105630766B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102411638A (zh) * | 2011-12-30 | 2012-04-11 | 中国科学院自动化研究所 | 一种新闻检索结果的多媒体摘要生成方法 |
| 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 |
| CN104361062A (zh) * | 2014-11-03 | 2015-02-18 | 百度在线网络技术（北京）有限公司 | 一种关联信息的推荐方法及装置 |
| CN104346476A (zh) * | 2014-11-20 | 2015-02-11 | 西安电子科技大学 | 基于物品相似度和网络结构的个性化物品推荐方法 |
| CN104572855A (zh) * | 2014-12-17 | 2015-04-29 | 深圳先进技术研究院 | 一种新闻推荐方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105630766A (zh) | 2016-06-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104484459B (zh) | 一种对知识图谱中的实体进行合并的方法及装置 | |
| Merlin et al. | T-PHOT version 2.0: Improved algorithms for background subtraction, local convolution, kernel registration, and new options | |
| CN106599269B (zh) | 关键词提取方法及装置 | |
| CN104185840B (zh) | 在持续部署流水线中用来优先化多个测试的方法、系统和装置 | |
| CN104036009B (zh) | 一种搜索匹配图片的方法、图片搜索方法及装置 | |
| CN106469187B (zh) | 关键词的提取方法及装置 | |
| CN103942264B (zh) | 推送包含新闻信息的网页的方法和装置 | |
| CN109857804A (zh) | 一种分布式模型参数的搜索方法、装置和电子设备 | |
| Balona et al. | Kepler observations of the open cluster NGC 6819 | |
| CN103473282B (zh) | 一种生成热点内容页面的装置和方法 | |
| Silva-Villa et al. | The star cluster-field star connection in nearby spiral galaxies-I. Data analysis techniques and application to NGC 4395 | |
| CN103870607A (zh) | 多搜索引擎搜索结果的排序方法及装置 | |
| CN105589847B (zh) | 带权重的文章标识方法和装置 | |
| CN104778159B (zh) | 一种基于词权重进行分词的方法和装置 | |
| CN105630766B (zh) | 多新闻之间相关性计算方法和装置 | |
| CN109756533A (zh) | 一种镜像加速方法、装置及服务器 | |
| CN108228557A (zh) | 一种序列标注的方法及装置 | |
| CN106777201A (zh) | 搜索结果页上的推荐数据的排序方法及装置 | |
| CN108647227A (zh) | 一种推荐方法及装置 | |
| CN109471953A (zh) | 一种语音数据检索方法及终端设备 | |
| CN103646101B (zh) | 查找内容项中是否存在标志的方法及装置 | |
| CN106168962A (zh) | 基于自然搜索结果提供精确观点的搜索方法及装置 | |
| CN105528335B (zh) | 确定新闻之间相关性的方法和装置 | |
| CN110262906A (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
| CN105224649A (zh) | 一种数据处理方法和装置 |
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: 20220727 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. |