CN105824803A - 一种热点事件名称的确定方法及装置 - Google Patents
一种热点事件名称的确定方法及装置 Download PDFInfo
- Publication number
- CN105824803A CN105824803A CN201610200849.2A CN201610200849A CN105824803A CN 105824803 A CN105824803 A CN 105824803A CN 201610200849 A CN201610200849 A CN 201610200849A CN 105824803 A CN105824803 A CN 105824803A
- Authority
- CN
- China
- Prior art keywords
- title
- focus incident
- candidate segment
- occurrence
- participle
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/258—Heading extraction; Automatic titling; Numbering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种热点事件名称的确定方法及装置。所述方法的具体实施方式包括:根据热点事件的种子名称,获取包含种子名称的每个文档标题;根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段;对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率,并确定热点事件的名称。本实施例能够提高热点事件名称对热点事件进行描述时的准确性。
Description
技术领域
本发明涉及搜索处理技术领域,特别涉及一种热点事件名称的确定方法及装置。
背景技术
基于搜索引擎上用户的查询操作而发现热点事件的方法,是互联网企业所普遍采用的一种方法。对于新闻事件或者最新的热点话题,用户会在很短的时间内向搜索引擎发出查询输入。根据用户的查询输入,能够自动生成当前的热点事件名称,以便将热点事件呈现给更多的用户,方便用户快速知晓当前的热点事件。例如,百度热点事件榜中呈现的热点事件名称包括“新版人民币”、“中新项目”、“上海工博会”等等。
现有技术中,基于用户查询的热点事件发现方法,通常将在预定时间内满足预设查询次数的查询输入作为热点事件。然而,用户的查询输入仅仅是用户用来查找相关事件的关键词,并非是相关事件的完整描述。因此,这种方法获得的热点事件名称对热点事件的表述不够准确。尤其是,准确的事件描述往往包含对事件发生和变化的描述,而这正是查询关键词时所缺失的。例如,热点事件名称“新版人民币”“中新项目”“上海工博会”缺少对事件发生和变化的表述,不能准确地描述相关热点事件,用户体验较差。
发明内容
本发明实施例的目的在于提供了一种热点事件名称的确定方法及装置,能够提高热点事件名称对热点事件进行描述时的准确性。
为了达到上述目的,本发明公开了一种热点事件名称的确定方法,应用于终端,所述方法包括:
获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题;
当包含所述种子名称的文档标题的数量大于预设数量阈值时,针对每个文档标题,根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段,所述设定符号包括逗号、句号、分号和空格中的一种或多种;
针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率;
根据每个热点事件名称候选片段的出现概率,确定热点事件的名称。
较佳的,所述根据每个热点事件名称候选片段的出现概率,确定热点事件的名称,包括:
确定热点事件名称候选片段的出现概率的最大值;
判断所述最大值是否大于预设概率阈值,如果是,则将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,否则,将所述种子名称确定为热点事件的名称。
较佳的,所述将所述文档标题划分为至少一个文档标题片段,包括:
判断所述文档标题中是否包含设定符号,如果是,则将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,否则,将所述文档标题确定为文档标题片段。
较佳的,所述根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率,包括:
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题中的出现概率;或
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题片段中的出现概率。
较佳的,所述根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率,包括:
根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率,其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词, p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w1)和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
较佳的,所述方法还包括:
当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
为了达到上述目的,本发明还公开了一种热点事件名称的确定装置,应用于终端,所述装置包括:
获取模块,用于获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题;
候选片段确定模块,用于当包含所述种子名称的文档标题的数量大于预设数量阈值时,针对每个文档标题,根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段,所述设定符号包括逗号、句号、分号和空格中的一种或多种;
出现概率确定模块,用于针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率;
热点事件名称确定模块,用于根据每个热点事件名称候选片段的出现概率,确定热点事件的名称。
较佳的,所述热点事件名称确定模块包括:
概率值确定子模块,用于确定热点事件名称候选片段的出现概率的最大值;
第一判断子模块,用于判断所述最大值是否大于预设概率阈值;
热点事件名称确定子模块,用于当所述最大值大于预设概率阈值时,将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,当所述最大值不大于预设概率阈值时,将所述种子名称确定为热点事件的名称。
较佳的,所述候选片段确定模块包括:
第二判断子模块,用于判断所述文档标题中是否包含设定符号;
文档标题片段确定子模块,用于当所述文档标题中包含设定符号时,将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,当所述文档标题中不包含设定符号时,将所述文档标题确定为文档标题片段。
较佳的,所述出现概率确定模块具体用于:
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题中的出现概率;或
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题片段中的出现概率。
较佳的,所述出现概率确定模块具体用于:
根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率;
其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词, p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w1)和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
较佳的,所述装置还包括非热点事件确定模块,具体用于:
当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
由上述技术方案可见,本发明实施例根据热点事件的种子名称获取每个文档标题,并将文档标题中包含所述种子名称的所有分词和至少一个动词的文档标题片段确定为热点事件名称候选片段,根据预设概率公式,确定所述热点事件名称候选片段的出现概率,并根据每个出现概率确定热点事件的名称,该热点事件的名称中包含动词,该动词能够描述相关事件的发生或变化,因此能够提高热点事件名称对热点事件进行描述时的准确性,提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种热点事件名称的确定方法的流程示意图;
图2为本发明实施例提供的另一种热点事件名称的确定方法的流程示意图;
图3为本发明实施例提供的一种热点事件名称的确定装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种热点事件名称的确定方法及装置,应用于终端,能够提高热点事件名称对热点事件进行描述时的准确性,提高用户体验。
下面通过具体实施例,对本发明进行详细说明。
图1为本发明实施例提供的一种热点事件名称的确定方法的流程示意图,应用于终端,其包括如下步骤:
步骤S101:获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题。
具体地,种子名称可以是用户的高频查询输入,可以是通过爬取第三方客户端(例如百度风云榜)的数据获得的,当然也可以是以其他方式生成的。其中,第三方客户端的热点事件数据一般是通过用户的高频查询输入获得的。
在实际应用中,所获得的种子名称可以是一个带有修饰词的名词或短语,一般情况下种子名称不包含描述发生或变化的过程的动词。其中,该动词可以包括名动词和副动词,名动词和副动词是自然语言处理分词技术对动词的细化分,本质上还是动词。名动词是指具有名词功能的动词,例如开会、行动、“中国大部分地区回暖”中的回暖都是名动词。副动词是指可以做状语的动词,例如“副馆长强调指出”中的强调就是副动词。
假设,种子名称可以包括以下具体形式:
11大光棍职业
2015维密内衣秀
上海工博会
世界偏见地图
中国首胖488斤
中新项目
新版100元
俄罗斯新型蜈蚣
刘晓庆60岁生日
假设所获得的热点事件的种子名称为“11大光棍职业”,可以根据种子名称通过搜索引擎获取多个文档标题,这些文档标题中包含该种子名称。假设将种子名称“11大光棍职业”输入爱奇艺搜索引擎,则可以得到下面的文档标题:
序号 | 文档标题 |
1 | 11大光棍职业出炉你中枪了吗 |
2 | 11大“光棍职业”出炉 |
3 | 11大光棍职业漂亮空姐竟然也上榜! |
4 | 11大光棍职业公务员上榜 |
5 | 网传十一大光棍职业 |
6 | 11大光棍职业光棍节“中国11大光棍职业”出炉 |
7 | 11大光棍职业快递哥难找对象空姐大龄剩女 |
表1
步骤S102:当包含所述种子名称的文档标题的数量大于预设数量阈值时,针对每个文档标题,根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段。
需要说明的是,当文档标题的数量不大于预设数量阈值时,说明该种子名称对应的事件不是热点事件,或者说明用以获取文档标题的搜索引擎的站内没有足够的相关数据,无法根据少量文档标题确定热点事件的名称。因此,当文档标题的数量大于预设数量阈值时才继续进行划分所述文档标题的操作。
具体地,所述设定符号包括逗号、句号、分号和空格中的一种或多种。在文档标题中识别设定符号属于现有技术,其具体过程此处不再赘述。
例如,对于步骤S102中得到的表1所示关于种子名称“11大光棍职业”的文档标题,当设定符号为空格时,将这些文档标题进行划分,可以得到如下对应的文档标题片段:
序号 | 文档标题片段1 | 文档标题片段2 |
1 | 11大光棍职业出炉 | 你中枪了吗 |
2 | 11大“光棍职业”出炉 | |
3 | 11大光棍职业 | 漂亮空姐竟然也上榜! |
4 | 11大光棍职业 | 公务员上榜 |
5 | 网传十一大光棍职业 | |
6 | 11大光棍职业 | 光棍节“中国11大光棍职业”出炉 |
7 | 11大光棍职业 | 快递哥难找对象空姐大龄剩女 |
表2
进一步地,将上述表2内容中包含所述种子名称的所有分词和至少一个动词的文档标题片段确定为热点事件名称候选片段,即可以得到如下热点事件名称候选片段:
热点事件名称候选片段1:11大光棍职业出炉
热点事件名称候选片段2:网传十一大光棍职业
热点事件名称候选片段3:光棍节“中国11大光棍职业”出炉
其中,热点事件名称候选片段1和热点事件名称候选片段3中的动词均为“出炉”,热点事件名称候选片段2中的动词为“网传”。
可以理解的是,热点事件名称候选片段中包含种子名称的所有分词,这些分词的先后顺序可以与所述种子名称中的顺序不同,例如,假设种子名称为“中国首胖488斤”,那么对应的热点事件名称候选片段可能为“488斤女子成中国首胖”,其中“成”为动词。
需要说明两点,一是,将种子名称进行分词,确定所述文档标题片段中是否包含所述种子名称的所有分词属于现有技术,其具体过程此处不再赘述。二是,所述动词包括名动词和副动词,并且在文档标题片段中识别动词属于现有技术,其具体过程此处不再赘述。
可见,根据种子名称确定的热点事件名称候选片段包含有所述种子名称以及动词,能够表征出事件可能的发生和变化情况。
步骤S103:针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率。
具体地,对热点事件名称候选片段进行分词属于现有技术,其具体过程此处不再赘述。
在本实施例中,根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率。其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词, p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w1)和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
例如,对于步骤S102中的热点事件名称候选片段1、热点事件名称候选片段2和热点事件名称候选片段3,假设经过步骤S103中的过程得到其出现概率分别为0.75、0.34和0.54。
步骤S104:根据每个热点事件名称候选片段的出现概率,确定热点事件的名称。
可以理解的是,热点事件名称候选片段的出现概率能够表征该热点事件名称候选片段对所述热点事件的准确描述程度。具体地,根据每个热点事件名称候选片段的出现概率,确定热点事件的名称可以有多种方式,例如,可以将出现概率较大的几个热点事件名称候选片段确定为热点事件的名称,或者,将出现概率较大的几个热点事件名称候选片段中的关键词进行某种结合,确定热点事件的名称。
例如,针对步骤S101中提到的种子名称,可以相应地确定以下热点事件的名称:
11大光棍职业→11大光棍职业出炉
2015维密内衣秀→2015维密内衣秀来袭
上海工博会→上海工博会开幕
世界偏见地图→世界偏见地图曝光
中国首胖488斤→488斤女子成中国首胖
中新项目→中新项目落户重庆
新版100元→新版100元发行
俄罗斯新型蜈蚣→俄罗斯惊现新型蜈蚣
刘晓庆60岁生日→刘晓庆庆贺60岁生日
其中,箭头左侧的内容为种子名称,箭头右侧的内容为热点事件的名称。可见,所确定的热点事件的名称中包含有种子名称的所有分词和至少一个动词,该热点事件的名称能够描述相关事件的发生或变化,能够更准确地展示热点事件的内容。
由上述内容可知,本发明实施例将文档标题中包含种子名称的所有分词和至少一个动词的文档标题片段确定为热点事件名称候选片段,根据预设概率公式,确定每个热点事件名称候选片段的出现概率,并根据每个出现概率确定热点事件的名称,该热点事件的名称中包含动词,该动词能够描述相关事件的发生或变化,因此能够提高热点事件名称对热点事件进行描述时的准确性,提高了用户体验。
在本发明的另一实施方式中,在划分文档标题片段时,为了使划分过程更快速,在图1所示的方法实施例中的步骤S102中,将所述文档标题划分为至少一个文档标题片段,具体可以包括:
判断所述文档标题中是否包含设定符号,如果是,则将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,否则,将所述文档标题确定为文档标题片段。
在本实施例中,设定符号包括逗号、句号、分号和空格中的一种或多种,这些符号能够起到断句的作用。因此,当所述文档标题中包含这些设定符号时,可以将所述设定符号之前和之后的文档标题内容分别确定为一个文档标题片段。如果文档标题中不包含设定符号,即文档标题只包含一个短语,则将所述文档标题确定为一个文档标题片段。
在本发明的另一实施方式中,图1所示的方法实施例中的步骤S103中,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率,具体可以包括:
方式1:根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题中的出现概率。
也就是说,该实施方式中,将所述文档标题作为计算出现概率时的总样本,在计算热点事件名称候选片段中的分词的出现次数时,是在所述文档标题中计算的。例如,可以在表1所示的文档标题中计算热点事件名称候选片段的出现概率。
方式2:根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题片段中的出现概率。
也就是说,该实施方式中,将所述文档标题片段作为计算出现概率时的总样本,在计算热点事件名称候选片段中的分词的出现次数时,是在所述文档标题片段中计算的。例如,可以在表2所示的文档标题片段中计算热点事件名称候选片段的出现概率。
在本发明的另一实施方式中,为了更准确地确定热点事件的名称,在图1所示的方法实施例中的步骤S104中,根据每个热点事件名称候选片段的出现概率,确定热点事件的名称,具体过程可以包括如下步骤:
步骤1:确定热点事件名称候选片段的出现概率的最大值;
步骤2:判断所述最大值是否大于预设概率阈值,如果是,则将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,否则,将所述种子名称确定为热点事件的名称。
在实际应用中,每个热点事件名称候选片段的出现概率的取值在[0,1]之间,可以将预设概率阈值设置为0.5,当然也可以为其他值。当热点事件名称候选片段的出现概率的最大值不大于预设概率阈值时,可能说明通过搜索引擎得到的种子名称的文档标题不足以反应该热点事件,因此该种情况下可以将所述种子名称确定为该热点事件的名称,以便更准确地确定热点事件的名称。
在本发明的另一实施方式中,根据现有技术得到的热点事件的种子名称在当前时刻是否仍然属于热点事件,在本实施例中还可以进一步判断,以便更准确地确定热点事件,因此图1所示的方法实施例中,所述方法还可以包括:
当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
图2为本发明实施例提供的另一种热点事件名称的确定方法的流程示意图,应用于终端,所述方法具体包括:
步骤S201:获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题。
步骤S202:判断包含所述种子名称的文档标题的数量是否大于预设数量阈值,如果否,则进行步骤S203,如果是,则进行步骤S204。
步骤S203:当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
步骤S204:针对每个文档标题,判断所述文档标题中是否包含设定符号,如果是,则将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,否则,将所述文档标题确定为文档标题片段。所述设定符号包括逗号、句号、分号和空格中的一种或多种。
步骤S205:当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段。
步骤S206:针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率;其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词,p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w((和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
步骤S207:根据每个热点事件名称候选片段的出现概率,确定热点事件名称候选片段的出现概率的最大值。
步骤S208:判断所述最大值是否大于预设概率阈值,如果是,则将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,否则将所述种子名称确定为热点事件的名称。
由以上内容可见,本发明实施例将文档标题中包含种子名称的所有分词和至少一个动词的文档标题片段确定为热点事件名称候选片段,根据预设概率公式,确定每个热点事件名称候选片段的出现概率,并根据每个出现概率确定热点事件的名称,该热点事件的名称中包含动词,该动词能够描述相关事件的发生或变化,因此能够提高热点事件名称对热点事件进行描述时的准确性,提高了用户体验。
图3为本发明实施例提供的一种热点事件名称的确定装置的结构示意图,应用于终端,与图1所示方法实施例相对应,所述装置包括:
获取模块301,用于获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题;
候选片段确定模块302,用于当包含所述种子名称的文档标题的数量大于预设数量阈值时,针对每个文档标题,根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段,所述设定符号包括逗号、句号、分号和空格中的一种或多种;
出现概率确定模块303,用于针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率;
热点事件名称确定模块304,用于根据每个热点事件名称候选片段的出现概率,确定热点事件的名称。
在本实施例中,所述候选片段确定模块302具体可以包括:
第二判断子模块(图中未示出),用于判断所述文档标题中是否包含设定符号;
文档标题片段确定子模块(图中未示出),用于当所述文档标题中包含设定符号时,将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,当所述文档标题中不包含设定符号时,将所述文档标题确定为文档标题片段。
在本实施例中,所述出现概率确定模块303具体可以用于:
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题中的出现概率;或
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题片段中的出现概率。
在本实施例中,所述出现概率确定模块303具体可以用于:
根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率。其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词, p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w1)和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
在本实施例中,所述热点事件名称确定模块304具体可以包括:
概率值确定子模块(图中未示出),用于确定热点事件名称候选片段的出现概率的最大值;
第一判断子模块(图中未示出),用于判断所述最大值是否大于预设概率阈值;
热点事件名称确定子模块(图中未示出),用于当所述最大值大于预设概率阈值时,将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,当所述最大值不大于预设概率阈值时,将所述种子名称确定为热点事件的名称。
在本实施例中,所述装置还包括非热点事件确定模块,其具体用于:
当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
由于上述装置实施例是基于热点事件名称的确定方法实施例得到的,与该方法具有相同的技术效果,因此装置实施例的技术效果在此不再赘述。
对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解,上述实施方式中的全部或部分步骤是能够通过程序指令相关的硬件来完成的,所述的程序可以存储于计算机可读取存储介质中。这里所称存储介质,是指ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (12)
1.一种热点事件名称的确定方法,其特征在于,应用于终端,所述方法包括:
获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题;
当包含所述种子名称的文档标题的数量大于预设数量阈值时,针对每个文档标题,根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段,所述设定符号包括逗号、句号、分号和空格中的一种或多种;
针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率;
根据每个热点事件名称候选片段的出现概率,确定热点事件的名称。
2.根据权利要求1所述的方法,其特征在于,所述根据每个热点事件名称候选片段的出现概率,确定热点事件的名称,包括:
确定热点事件名称候选片段的出现概率的最大值;
判断所述最大值是否大于预设概率阈值,如果是,则将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,否则,将所述种子名称确定为热点事件的名称。
3.根据权利要求1所述的方法,其特征在于,所述将所述文档标题划分为至少一个文档标题片段,包括:
判断所述文档标题中是否包含设定符号,如果是,则将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,否则,将所述文档标题确定为文档标题片段。
4.根据权利要求1所述的方法,其特征在于,所述根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率,包括:
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题中的出现概率;或
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题片段中的出现概率。
5.根据权利要求1或4所述的方法,其特征在于,所述根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率,包括:
根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率,其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词, p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w1)和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
7.一种热点事件名称的确定装置,其特征在于,应用于终端,所述装置包括:
获取模块,用于获得热点事件的种子名称,并获取包含所述种子名称的每个文档标题;
候选片段确定模块,用于当包含所述种子名称的文档标题的数量大于预设数量阈值时,针对每个文档标题,根据所述文档标题中包含的设定符号,将所述文档标题划分为至少一个文档标题片段,当所述文档标题片段中包含所述种子名称的所有分词和至少一个动词时,将所述文档标题片段确定为热点事件名称候选片段,所述设定符号包括逗号、句号、分号和空格中的一种或多种;
出现概率确定模块,用于针对每个热点事件名称候选片段,对所述热点事件名称候选片段进行分词,获得所述热点事件名称候选片段对应的每个分词,根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段的出现概率;
热点事件名称确定模块,用于根据每个热点事件名称候选片段的出现概率,确定热点事件的名称。
8.根据权利要求7所述的装置,其特征在于,所述热点事件名称确定模块包括:
概率值确定子模块,用于确定热点事件名称候选片段的出现概率的最大值;
第一判断子模块,用于判断所述最大值是否大于预设概率阈值;
热点事件名称确定子模块,用于当所述最大值大于预设概率阈值时,将所述最大值对应的热点事件名称候选片段确定为热点事件的名称,当所述最大值不大于预设概率阈值时,将所述种子名称确定为热点事件的名称。
9.根据权利要求7所述的装置,其特征在于,所述候选片段确定模块包括:
第二判断子模块,用于判断所述文档标题中是否包含设定符号;
文档标题片段确定子模块,用于当所述文档标题中包含设定符号时,将所述设定符号之前和之后的文档标题内容分别确定为文档标题片段,当所述文档标题中不包含设定符号时,将所述文档标题确定为文档标题片段。
10.根据权利要求7所述的装置,其特征在于,所述出现概率确定模块具体用于:
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题中的出现概率;或
根据所述热点事件名称候选片段对应的每个分词以及预设概率公式,确定所述热点事件名称候选片段在所述文档标题片段中的出现概率。
11.根据权利要求10所述的装置,其特征在于,所述出现概率确定模块具体用于:
根据所述热点事件名称候选片段对应的每个分词以及确定所述热点事件名称候选片段的出现概率;
其中,P为所述热点事件名称候选片段的出现概率,wi和wi-1分别为所述热点事件名称候选片段中的第i个分词和第i-1个分词, p(w1)为所述热点事件名称候选片段中的第一个分词的出现概率,count(w1)和∑icount(wi)分别为所述第一个分词在所述文档标题中或所述文档标题片段中的出现次数和所有分词在所述文档标题中或所述文档标题片段中的出现次数的和,p(wi|wi-1)为当确定分词wi-1时分词wi的出现概率,count(wi-1,wi)为wi-1和wi这组相邻分词同时出现在所述文档标题中或所述文档标题片段中的出现次数。
12.根据权利要求7所述的装置,其特征在于,所述装置还包括非热点事件确定模块,具体用于:
当包含所述种子名称的文档标题的数量不大于预设数量阈值时,确定所述热点事件为非热点事件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200849.2A CN105824803B (zh) | 2016-03-31 | 2016-03-31 | 一种热点事件名称的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200849.2A CN105824803B (zh) | 2016-03-31 | 2016-03-31 | 一种热点事件名称的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105824803A true CN105824803A (zh) | 2016-08-03 |
CN105824803B CN105824803B (zh) | 2018-10-30 |
Family
ID=56525489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610200849.2A Active CN105824803B (zh) | 2016-03-31 | 2016-03-31 | 一种热点事件名称的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105824803B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287491A (zh) * | 2019-06-25 | 2019-09-27 | 北京百度网讯科技有限公司 | 事件名生成方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090254543A1 (en) * | 2008-04-03 | 2009-10-08 | Ofer Ber | System and method for matching search requests and relevant data |
CN102004792A (zh) * | 2010-12-07 | 2011-04-06 | 百度在线网络技术(北京)有限公司 | 一种热搜词生成方法及系统 |
CN102346766A (zh) * | 2011-09-20 | 2012-02-08 | 北京邮电大学 | 基于极大团发现的网络热点话题检测方法及装置 |
CN103336847A (zh) * | 2013-07-22 | 2013-10-02 | 厦门市美亚柏科信息股份有限公司 | 一种新闻热点标签的生成方法及系统 |
CN103365902A (zh) * | 2012-03-31 | 2013-10-23 | 北大方正集团有限公司 | 互联网新闻的评估方法和装置 |
CN104679738A (zh) * | 2013-11-27 | 2015-06-03 | 北京拓尔思信息技术股份有限公司 | 互联网热词挖掘方法及装置 |
-
2016
- 2016-03-31 CN CN201610200849.2A patent/CN105824803B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090254543A1 (en) * | 2008-04-03 | 2009-10-08 | Ofer Ber | System and method for matching search requests and relevant data |
CN102004792A (zh) * | 2010-12-07 | 2011-04-06 | 百度在线网络技术(北京)有限公司 | 一种热搜词生成方法及系统 |
CN102346766A (zh) * | 2011-09-20 | 2012-02-08 | 北京邮电大学 | 基于极大团发现的网络热点话题检测方法及装置 |
CN103365902A (zh) * | 2012-03-31 | 2013-10-23 | 北大方正集团有限公司 | 互联网新闻的评估方法和装置 |
CN103336847A (zh) * | 2013-07-22 | 2013-10-02 | 厦门市美亚柏科信息股份有限公司 | 一种新闻热点标签的生成方法及系统 |
CN104679738A (zh) * | 2013-11-27 | 2015-06-03 | 北京拓尔思信息技术股份有限公司 | 互联网热词挖掘方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287491A (zh) * | 2019-06-25 | 2019-09-27 | 北京百度网讯科技有限公司 | 事件名生成方法及装置 |
CN110287491B (zh) * | 2019-06-25 | 2024-01-12 | 北京百度网讯科技有限公司 | 事件名生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105824803B (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509425B (zh) | 一种基于新颖度的中文新词发现方法 | |
CN107220295B (zh) | 一种人民矛盾调解案例搜索和调解策略推荐方法 | |
CN104636466B (zh) | 一种面向开放网页的实体属性抽取方法和系统 | |
CN108875040A (zh) | 词典更新方法及计算机可读存储介质 | |
WO2019218527A1 (zh) | 多系统相结合的自然语言处理方法及装置 | |
CN107291939B (zh) | 酒店信息的聚类匹配方法及系统 | |
CN105095222B (zh) | 单元词替换方法、搜索方法及装置 | |
US20140032207A1 (en) | Information Classification Based on Product Recognition | |
WO2015188006A1 (en) | Method and apparatus of matching text information and pushing a business object | |
CN102722558A (zh) | 一种为用户推荐提问的方法和装置 | |
CN106886567A (zh) | 基于语义扩展的微博突发事件检测方法及装置 | |
CN105488098B (zh) | 一种基于领域差异性的新词提取方法 | |
CN108108346B (zh) | 文档的主题特征词抽取方法及装置 | |
CN103218368B (zh) | 一种挖掘热词的方法与装置 | |
CN112507176A (zh) | 域名侵权的自动化判定方法、装置、电子设备和存储介质 | |
CN113449082A (zh) | 一种新词发现方法、系统、电子设备及介质 | |
CN112667866A (zh) | 一种试卷的生成方法、装置、电子设备及存储介质 | |
CN102063497B (zh) | 一种开放式知识共享平台及其词条处理方法 | |
CN105550308B (zh) | 一种信息处理方法,检索方法及电子设备 | |
CN105677664A (zh) | 基于网络搜索的紧密度确定方法及装置 | |
CN112183074A (zh) | 一种数据增强方法、装置、设备及介质 | |
CN109918661B (zh) | 同义词获取方法及装置 | |
CN105824803A (zh) | 一种热点事件名称的确定方法及装置 | |
CN108810640B (zh) | 一种电视节目的推荐方法 | |
CN108763400B (zh) | 基于对象行为和主题偏好的对象划分方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |