CN110175293B - 一种确定新闻脉络的方法、装置及电子设备 - Google Patents

Abstract

本公开是关于一种确定新闻脉络的方法、装置及电子设备。一种确定新闻脉络的方法包括：确定待标记新闻的分词以及从分词中提取的关键词；从预先设置的新闻脉络数据库中确定关键词与待标记新闻的关键词相同的第一新闻；基于待标记新闻的分词确定待标记新闻与第一新闻的相似度；将相似度满足设定条件的第一新闻对应的新闻脉络确定为待标记新闻所属的新闻脉络；其中，新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。本实施例中为各待标记新闻确定新闻脉络，这样用户通过一次检索可以得到关于新闻中事件相关的所有或者部分新闻，方便用户了解新闻事件的发展过程，省时省力，有利于提升观看新闻的体验。

Description

一种确定新闻脉络的方法、装置及电子设备

技术领域

本公开涉及数据处理技术领域，尤其涉及一种确定新闻脉络的方法、装置及电子设备。

背景技术

目前，用户喜欢在空闲时间观看新闻，在电子设备上输入相应的关键词即可搜索到相应的新闻。若用户对某一条新闻感兴趣，还可以继续搜索其相关的新闻，从而了解新闻中事件发展的全部过程。但是，若一个事件涉及多个新闻，则上述方案需要用户进行多次检索，每次检索一个新闻，这样会费时费力，影响用户观看新闻的体验。

发明内容

本公开提供一种确定新闻脉络的方法、装置及电子设备，以解决相关技术的不足。

根据本公开实施例的第一方面，提供一种确定新闻脉络的方法，所述方法包括：

确定待标记新闻的分词以及从所述分词中提取的关键词；

从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；

基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；

将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；

其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。

可选地，获取预先设置新闻脉络数据库的步骤包括：

针对待存入所述新闻脉络数据库中的每个新闻样本，确定该新闻样本的分词以及该新闻样本的分词中提取的关键词；

从预先设置的所述新闻脉络数据库中确定关键词与该新闻样本的关键词相同的第二新闻；

响应于确定的第二新闻的数量不为零，基于该新闻样本的分词确定该新闻样本与所述第二新闻的相似度；

基于所述相似度确定该新闻样本所属的新闻脉络；并将该新闻样本存入所述新闻脉络数据库。

可选地，基于所述相似度确定该新闻样本所属的新闻脉络，包括：

将所述相似度满足第一设定条件的第二新闻对应的新闻脉络确定为该新闻样本所属的新闻脉络；或者

确定所述相似度满足第一设定条件的第二新闻；基于各第二新闻的分词，将各第二新闻两两进行相似度比对；并将相似度比对结果满足第二设定条件的第二新闻所对应的新闻脉络确定为该新闻样本所属的新闻脉络。

可选地，所述方法还包括：

响应于任一新闻脉络中包含的新闻样本数量超过预设数量，对该任一新闻脉络中包含的新闻样本进行筛选，使该任一新闻脉络中包含的新闻样本数量不超过所述预设数量。

可选地，对该任一新闻脉络中包含的新闻样本进行筛选，包括：

针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，确定该任一新闻脉络对应时间线上处于预设时间间隔内的新闻样本；针对确定的每个预设时间间隔内的新闻样本，将预设数量新闻样本去除；或者

将所述新闻脉络中最早的和最近的新闻样本之间的时间段划分为多个子时间段；确定各子时间段内新闻样本与最近的新闻样本的相似度；并将所述相似度位于预设相似度阈值之外的新闻样本去除；或者，

针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，按照设定间隔进行新闻样本去除。

可选地，所述方法还包括：

将当前界面显示的新闻确定为所述待标记新闻；

在确定出所述待标记新闻所属的新闻脉络之后，所述方法还包括：

将确定的所述待标记新闻所属的新闻脉络包含的新闻进行推荐。

可选地，确定新闻的分词以及从所述分词中提取的关键词包括：

对新闻进行分词，得到多个分词；

确定所述多个分词中各个分词在该新闻中的出现频次；

按照出现频次从大到小的顺序确定预设数量个分词作为该新闻的关键词；

所述新闻包括待标记新闻和待存入所述新闻脉络数据库的新闻样本。

根据本公开实施例的第二方面，提供一种确定新闻脉络的装置，所述装置包括：

关键词确定模块，用于确定待标记新闻的分词以及从所述分词中提取的关键词；

第一新闻确定模块，用于从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；

相似度确定模块，用于基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；

新闻脉络确定模块，用于将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；

其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。

可选地，所述装置还包括数据库获取模块，用于获取预先设置新闻脉络数据库，包括：

关键词确定单元，用于针对待存入所述新闻脉络数据库中的每个新闻样本，确定该新闻样本的分词以及该新闻样本的分词中提取的关键词；

第二新闻确定单元，用于从预先设置的所述新闻脉络数据库中确定关键词与该新闻样本的关键词相同的第二新闻；

相似度确定单元，用于响应于确定的第二新闻的数量不为零，基于该新闻样本的分词确定该新闻样本与所述第二新闻的相似度；

数据库确定单元，用于基于所述相似度确定该新闻样本所属的新闻脉络；并将该新闻样本存入所述新闻脉络数据库。

可选地，所述数据库确定单元，包括：

第一新闻脉络确定子单元，用于将所述相似度满足第一设定条件的第二新闻对应的新闻脉络确定为该新闻样本所属的新闻脉络；或者，

第二新闻脉络确定子单元，用于确定所述相似度满足第一设定条件的第二新闻；基于各第二新闻的分词，将各第二新闻两两进行相似度比对；并将相似度比对结果满足第二设定条件的第二新闻所对应的新闻脉络确定为该新闻样本所属的新闻脉络。

可选地，所述装置还包括：

新闻样本筛选模块，用于响应于任一新闻脉络中包含的新闻样本数量超过预设数量，对该任一新闻脉络中包含的新闻样本进行筛选，使该任一新闻脉络中包含的新闻样本数量不超过所述预设数量。

可选地，所述新闻样本筛选模块包括：

第一筛选单元，用于针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，确定该任一新闻脉络对应时间线上处于预设时间间隔内的新闻样本；针对确定的每个预设时间间隔内的新闻样本，将预设数量新闻样本去除；或者

第二筛选单元，用于将所述新闻脉络中最早的和最近的新闻样本之间的时间段划分为多个子时间段；确定各子时间段内新闻样本与最近的新闻样本的相似度；并将所述相似度位于预设相似度阈值之外的新闻样本去除；或者

第三筛选单元，用于针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，按照设定间隔进行新闻样本去除。

可选地，所述装置还包括：

新闻推荐模块，用于将当前界面显示的新闻确定为所述待标记新闻；以及在确定出所述待标记新闻所属的新闻脉络之后，将确定的所述待标记新闻所属的新闻脉络包含的新闻进行推荐。

可选地，所述关键词确定模块或者包括：

分词单元，用于对新闻进行分词，得到多个分词；所述新闻包括待标记新闻和待存入所述新闻脉络数据库的新闻样本；

出现频次确定单元，用于确定所述多个分词中各个分词在该新闻中的出现频次；

关键词确定单元，用于按照出现频次从大到小的顺序确定预设数量个分词作为该新闻的关键词。

根据本公开实施例的第三方面，提供一种电子设备，包括处理器和用于存储可执行指令的存储器；所述处理器从所述存储器中读取可执行指令，以实现第一方面所述的方法的步骤。

根据本公开实施例的第四方面，提供一种机器可读存储介质，其上存储有机器可执行指令，该指令被执行时实现第一方面所述方法的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：

由上述实施例可知，本公开实施例中通过确定待标记新闻的分词以及从所述分词中提取的关键词；然后，从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；之后，基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；最后，将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。本实施例中通过为各待标记新闻确定脉络，这样用户在检索各新闻时其检索结果为该新闻所在的新闻脉络，即一次检索可以得到关于新闻中事件相关的所有或者部分新闻，方便用户了解新闻事件的发展过程，省时省力，有利于提升观看新闻的体验。

当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种确定新闻脉络的方法的流程图；

图2是根据一示例性实施例示出的一种获取关键词的流程图；

图3根据一示例性实施例示出的确定新闻脉络数据库的流程图；

图4据一示例性实施例示出的另一种确定新闻脉络的方法的流程图；

图5据一示例性实施例示出的一种优化新闻脉络的流程图；

图6据一示例性实施例示出的另一种优化新闻脉络的流程图；

图7～图13是根据一示例性实施例示出的一种确定新闻脉络的装置的框图；

图14是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置例子。

目前，用户喜欢在空闲时间观看新闻，在电子设备上输入相应的关键词即可搜索到相应的新闻。若用户对某一条新闻感兴趣，还可以继续搜索其相关的新闻，从而了解新闻中事件发展的全部过程。但是，若一个事件涉及多个新闻，则上述方案需要用户进行多次检索，每次检索一个新闻，这样会费时费力，影响用户观看新闻的体验。

为此，本公开实施例提供了一种确定新闻脉络的方法，其发明构思在于，为每个新闻确定一条新闻脉络，这样用户在检索一条新闻后可以阅读到关于该新闻内事件所在脉络的全部或者部分新闻，减少查找相关新闻的所用时间，从而提升阅读流畅性以及阅读效率，有利于提升阅读的乐趣。

图1是根据一示例性实施例示出的一种确定新闻脉络的方法的流程图，可以应用于智能终端、服务器等电子设备，为方便说明，后续以电子设备为主体描述本申请各实施例的方案。参见图1，本实施例公开了一种确定新闻脉络的方法，包括步骤101～步骤104，其中：

在步骤101中，确定待标记新闻的分词以及从所述分词中提取的关键词。

本实施例中，电子设备可以获取待标记新闻，该待标记新闻包括正文文本，获取方式包括利用爬虫从互联网上爬取，或者从指定位置(例如本地存储器、云端等)读取。之后，电子设备可以采用相关技术中的分词方法对待标记新闻进行分词。其中分词方法可以包括基于词典的方法、基于统计的方法、基于规则的方法、或者神经网络方法等，在能够分词的情况下，各分词方案落入本申请的保护范围。

本实施例中，参见图2，电子设备可以对待标记新闻进行分词，得到多个分词(对应图2中步骤201)。然后，电子设备可以获取多个分词中各个分词在待标记新闻中的出现频次(对应图2中步骤202)，即统计各个分词在待标记新闻的整篇正文中出现的次数。之后，电子设备可以选取出现频次较大的预设数量个分词作为待标记新闻的关键词(对应图2中步骤203)。

可理解的是，本实施例中该预设数量个关键词可以作为待标记新闻(和后续实施例中新闻脉络)的检索词，由于在去除了介词等与新闻主题相关性较小的词之后，出现频次较大可以反映待标记新闻的主要特点，在保证处理数据量的基础上可以提高检索效率和准确率。例如，预设数量可以为3-5个。

在一实施例中，预设数量可以为3个。例如，电子设备在将待标记新闻分词后可以得到30个分词。由于各个分词出现的次数不同，所体现的重要程度也不同，为此本实施例可以统计各分词在待标记新闻中的出现频次，然后根据出现频次对多个分词进行排序，可以得到一个出现频次从大到小的出现频次列表，之后可以从该出现频次列表中选择出现频次较大的3个分词作为该待标记新闻的关键词。

需要说明的是，图2所示的获取关键词的步骤同样适用于后续实施例中获取新闻脉络数据库中各新闻样本的关键词，仅将图2所示实施例中待标记新闻替代为新闻脉络数据库中各新闻样本即可，相应步骤可以参考图2所示内容。

在步骤102中，从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻。

本实施例中，在获取到待标记新闻的关键词后，电子设备可以在预先设置的新闻脉络数据库进行检索，从而提取出具有相同关键词的第一新闻。

需要说明的是，该新闻脉络数据库预先设置，可以设置在本地存储器或者云端，新闻脉络数据库中的新闻脉络可以通过以下步骤确定：

参见图3，电子设备可以按照设定周期或者随机获取待存入新闻脉络数据库的新闻样本，针对待存入的每个新闻样本，电子设备可以对每个新闻样本进行分词，得到每个新闻样本对应的多个分词，以及从该新闻样本的多个分词中提取关键词(对应图3中步骤301)。其中，提取关键词的过程可以参考图2所示实施例的内容，在此不再赘述。之后，电子设备可以从新闻脉络数据库中提取关键词与该新闻样本的关键词相同的第二新闻(对应图3中步骤302)。然后，响应于确定的第二新闻的数量不为零，电子设备可以基于该新闻样本的分词确定该新闻样本和第二新闻的相似度(对应图3中步骤303)。最后，电子设备可以基于相似度确定该新闻样本所属的新闻脉络，并将该新闻样本存入新闻脉络数据库(对应图3中步骤304)。其中，新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。新闻脉络中可以包括新闻样本、新闻样本的分词、关键词和分词向量，以及其他相关数据，可根据具体场景进行设置。

响应于确定的第二新闻的数量为零，可能该新闻样本是所对应事件的首个新闻，那么电子设备可以将该新闻样本存入新闻脉络数据库，以便对应事件的后续新闻产生后在存入新闻脉络数据库时能与该新闻样本形成脉络。

在一实施例中，电子设备可以在新闻脉络数据库中设置两个子数据库，其中第一个子数据库用于存储新闻样本，第二个子数据库用于存储新闻脉络。这样，电子设备可以采用关键词在第一个子数据库内检索新闻样本，基于检索出的新闻样本在第二个子数据库内检索该检索出的新闻样本所属的新闻脉络。这样设置两个数据库可以提高存储效率和检索效率。当然，技术人员可以根据具体场景设置新闻脉络数据库的存储方式，在能够实现检索出新闻脉络的情况下，相应方案落入本申请的保护范围。

本实施例中，电子设备基于相似度确定该新闻样本所属的新闻脉络，可以包括：

在一示例中，电子设备可以将相似度满足第一设定条件的第二新闻对应的新闻脉络确定为该新闻样本所属的新闻脉络。其中，第一设定条件可以是相似度的取值范围为第一预设范围，例如：0.3～0.75。

在另一示例中，参见图4，电子设备可以确定出相似度满足第一设定条件的第二新闻(对应图4中步骤401)。然后，电子设备可以基于各第二新闻的分词，将各第二新闻两两进行相似度比对(对应图4中步骤402)。之后，电子设备可以将相似度比对结果满足第二设定条件的第二新闻所对应的新闻脉络确定为该新闻样本所属的新闻脉络(对应图4中步骤403)。其中，两个第二新闻进行相似度对比即为确定两者的相似度，可以参考后续计算相似度的内容，在此先不作说明。第二设定条件可以是相似度的取值范围为第二预设范围，例如：0.2～0.6，若两个新闻的相似度小于0.2，两者几乎无关，若两个新闻的相似度超过0.6，两者几乎相同，因此，本实施例中确定相似度的取值范围为0.2～0.6，该取值范围可以根据具体场景进行调整。

实际应用中，考虑到用户阅读习惯和显示需求等因素，各新闻脉络中新闻样本的数量不能过多，因此可以预先设置一个预设数量(可适应调整)，如预设数量的取值范围可以为10～20。电子设备可以对比各新闻脉络中包含新闻样本的数量和预设数量，并响应于任一新闻脉络中包含的新闻样本数量超过预设数量，对该任一新闻脉络中包含的新闻样本进行筛选，使该任一新闻脉络中包含的新闻样本数量不超过所述预设数量。其中新闻样本筛选方式可以包括：

在一示例中，参见图5，电子设备可以针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，确定该任一新闻脉络对应时间线上处于预设时间间隔内的新闻样本(对应图5中步骤501)。其中，预设时间间隔可以为一小时、一天、一周或者一月，技术人员还可以根据具体场景进行选择，在此不作限定。然后，电子设备可以针对确定的每个预设时间间隔内的新闻样本，将预设数量新闻样本之外的新闻样本去除(对应图5中步骤502)。例如，若每个预设时间间隔内保留相同数量的新闻样本，则电子设备可以随机去除各预设时间间隔内的新闻样本，直至达到需要保留的数量。又如，电子设备可以从各预设时间间隔内去除一个新闻样本，直至新闻脉络内包含新闻样本的数量为预设数量。去除新闻脉络中新闻样本的方式可以根据具体场景进行调整，相应方案落入本申请的保护范围。

例如：某新闻脉络包括的新闻当前从5月1日延续到5月15日，设置预设时间间隔为一天，确定出5月1日的新闻为3篇，5月7日的新闻为2篇，5月10日的新闻为1篇，5月14日的新闻为4篇，5月15日的新闻为1篇，为新闻脉络设置的最大新闻数量为8篇，而当前该新闻脉络包括11篇，可以针对每个预设时间间隔(即一天)内的新闻样本，将数量多于一篇的新闻样本按照预设规则去除。因为在同一预设时间间隔内的新闻样本内容可能是相同的，因此可以进行去除。本例中，可以将5月1日、5月7日、5月14日内的新闻样本分别按照预设规则进行去除，该预设规则可以为随机规则、等量去除规则(即每个时间间隔内去除数量相同)等，这里不再赘述，只要保证进行去除后，该新闻脉络上剩余新闻数量不超过预设数量(此例中为8)即可。

在另一示例中，参见图6，电子设备可以将新闻脉络中最早的和最近的新闻样本之间的时间段划分为多个子时间段(对应图6中步骤601)，其中划分方式可以为均匀划分或者随机划分，使子时间段具有相同或者不同的长度。然后，电子设备可以确定各子时间段内新闻样本与最近的新闻样本的相似度(对应图6中步骤602)，其中最近的新闻样本仅是一个参考对象，可理解的是，参考对象还可以为同一新闻脉络内任一条新闻样本。之后，电子设备可以将相似度位于预设相似值阈值之外的新闻样本去除(对应图6中步骤603)。这样，本实施例中通过对新闻脉络进行优化，可以去除新闻脉络中不同或者相类似的新闻样本，从而使新闻脉络中各新闻样本能够有更大的区别从而达到消除冗余新闻的目的。

在又一示例中，电子设备可以针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，按照设定间隔进行新闻样本去除。例如，以设定间隔为两个新闻样本为例，从最早的新闻样本开始，每隔两个新闻样本去除一个新闻样本。若去除到最近的新闻样本或者不够间隔两个新闻样本，从重新从最早的新闻样本开始或者从最近的新闻样本折返，继续间隔两个新闻样本去除新闻样本，直至剩余预设数量。本实施例中通过对新闻脉络进行优化，可以去除新闻脉络中发生时间相近的新闻样本，从而使新闻脉络中各新闻样本有足够的时间间隔，保证相邻新闻样本有更大的区别从而达到消除冗余新闻的目的。

需要说明的是，上述各实施例中包括确定两个新闻的相似度，考虑到两条新闻的用词越相似其内容也越相似，本实施例中从出现频次入手计算两个新闻的相似度，以计算两条新闻即(新闻样本A和新闻样本B)的相似度为例，其中：

新闻样本A：这只皮靴号码大了。那只号码合适。

新闻样本B：这只皮靴号码不小，那只更合适。

本实施例中，对新闻样本A和新闻样本B进行分词后，可以得到：

新闻样本A：这只/皮靴/号码/大了。那只/号码/合适。

新闻样本B：这只/皮靴/号码/不/小，那只/更/合适。

新闻样本A和新闻样本B中出现的分词包括：这只，皮靴，号码，大了。那只，合适，不，小，很。

计算词频，可以得到词频向量：

新闻样本A：这只1，皮靴1，号码2，大了1。那只1，合适1，不0，小0，更0，词频向量A(1，1，2，1，1，1，0，0，0)；

新闻样本B：这只1，皮靴1，号码1，大了0。那只1，合适1，不1，小1，更1，词频向量B(1，1，1，0，1，1，1，1，1)。

这样，本实施例可以从计算两个新闻样本的相似度转化为计算两个向量的相似度，以相似度为向量余弦值为例，参见以下公式：

由于计算结果0.71接近于1，所以说新闻样本A和新闻样本B基本上相似。基于上述一句话的新闻样本的计算过程，本实施例还可以推广至包含若干个分词的新闻样本，从而计算出两个新闻样本的余弦相似度，并且余弦相似度越大表示两个新闻样本越相似。

在步骤103中，基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度。

本实施例中，电子设备可以参考步骤102计算两个新闻样本的相似度的过程来计算待标记新闻和新闻脉络中各新闻样本的相似度，在此不再赘述。

在步骤104中，将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络。

本实施例中，电子设备可以获取设定条件，其中设定条件可以包括：相似度最大或者相似度的取值范围为0.15～0.75。然后电子设备可以对比待标记新闻和第一新闻的相似度是否满足设定条件，在满足设定条件后，确定满足设定条件的第一新闻对应的新闻脉络作为待标记新闻的新闻脉络。

在一实施例中，在用户选择待标记新闻后，或者当确定出当前界面显示的是新闻(可以通过屏幕截屏进行图像识别，或者提取文字进行关键字解析来确定所显示的内容是新闻，这里不再赘述)，或者当前运行的应用APP是新闻类APP，电子设备可以确定用户当前在浏览新闻，可以将当前界面显示的新闻(即用户正在浏览的新闻)确定为待标记新闻，电子设备可以确定出该待标记新闻所属的新闻脉络包含的新闻，然后将新闻脉络包含的新闻进行推荐。例如，按照时间线的方式，从时间最早到最近的顺序展示各新闻，从而方便用户阅读新闻。

至此，本公开实施例中通过确定待标记新闻的分词以及从所述分词中提取的关键词；然后，从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；之后，基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；最后，将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。本实施例中通过为各待标记新闻确定脉络，这样用户在检索各新闻时其检索结果为该新闻所在的新闻脉络，即一次检索可以得到关于新闻中事件相关的所有或者部分新闻，方便用户了解新闻事件的发展过程，省时省力，有利于提升观看新闻的体验。

在本公开实施例提供的一种确定新闻脉络的方法的基础上，本公开实施例还提供了一种确定新闻脉络的装置，图7是根据一示例性实施例示出的一种确定新闻脉络的装置的框图。参见图7，一种确定新闻脉络的装置700，包括：

关键词确定模块701，用于确定待标记新闻的分词以及从所述分词中提取的关键词；

第一新闻确定模块702，用于从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；

相似度确定模块703，用于基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；

新闻脉络确定模块704，用于将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；

其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。

图8是根据一示例性实施例示出的一种确定新闻脉络的装置的框图，在图7所示的一种确定新闻脉络的装置的基础上，所述装置700还包括数据库获取模块，用于获取预先设置新闻脉络数据库，包括：

关键词确定单元801，用于针对待存入所述新闻脉络数据库中的每个新闻样本，确定该新闻样本的分词以及该新闻样本的分词中提取的关键词；

第二新闻确定单元802，用于从预先设置的所述新闻脉络数据库中确定关键词与该新闻样本的关键词相同的第二新闻；

相似度确定单元803，用于响应于确定的第二新闻的数量不为零，基于该新闻样本的分词确定该新闻样本与所述第二新闻的相似度；

数据库确定单元804，用于基于所述相似度确定该新闻样本所属的新闻脉络；并将该新闻样本存入所述新闻脉络数据库。

图9是根据一示例性实施例示出的一种确定新闻脉络的装置的框图，在图8所示的一种确定新闻脉络的装置的基础上，所述数据库确定单元804，包括：

第一新闻脉络确定子单元901，用于将所述相似度满足第一设定条件的第二新闻对应的新闻脉络确定为该新闻样本所属的新闻脉络；或者，

第二新闻脉络确定子单元902，用于确定所述相似度满足第一设定条件的第二新闻；基于各第二新闻的分词，将各第二新闻两两进行相似度比对；并将相似度比对结果满足第二设定条件的第二新闻所对应的新闻脉络确定为该新闻样本所属的新闻脉络。

图10是根据一示例性实施例示出的一种确定新闻脉络的装置的框图，在图8或图9所示的一种确定新闻脉络的装置的基础上，所述装置700还包括：

新闻样本筛选模块1001，用于响应于任一新闻脉络中包含的新闻样本数量超过预设数量，对该任一新闻脉络中包含的新闻样本进行筛选，使该任一新闻脉络中包含的新闻样本数量不超过所述预设数量。

图11是根据一示例性实施例示出的一种确定新闻脉络的装置的框图，在图10所示的一种确定新闻脉络的装置的基础上，所述新闻样本筛选模块1001包括：

第一筛选单元1101，用于针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，确定该任一新闻脉络对应时间线上处于预设时间间隔内的新闻样本；针对确定的每个预设时间间隔内的新闻样本，将预设数量新闻样本去除；或者，

第二筛选单元1102，用于将所述新闻脉络中最早的和最近的新闻样本之间的时间段划分为多个子时间段；确定各子时间段内新闻样本与最近的新闻样本的相似度；并将所述相似度位于预设相似度阈值之外的新闻样本去除；或者，

第三筛选单元1103，用于针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，按照设定间隔进行新闻样本去除。

图12是根据一示例性实施例示出的一种确定新闻脉络的装置的框图，在图7所示的一种确定新闻脉络的装置的基础上，所述装置700还包括：

新闻推荐模块1201，用于将当前界面显示的新闻确定为所述待标记新闻；以及在确定出所述待标记新闻所属的新闻脉络之后，将确定的所述待标记新闻所属的新闻脉络包含的新闻进行推荐。

图13是根据一示例性实施例示出的一种确定新闻脉络的装置的框图，在图7所示的一种确定新闻脉络的装置的基础上，所述关键词确定模块702包括：

分词单元1301，用于对新闻进行分词，得到多个分词；所述新闻包括待标记新闻和待存入所述新闻脉络数据库的新闻样本；

出现频次确定单元1302，用于确定所述多个分词中各个分词在该新闻中的出现频次；

关键词确定单元1303，用于按照出现频次从大到小的顺序确定预设数量个分词作为该新闻的关键词。

至此，本实施例中通过为各待标记新闻确定脉络，这样用户在检索各新闻时其检索结果为该新闻所在的新闻脉络，即一次检索可以得到关于新闻中事件相关的所有或者部分新闻，方便用户了解新闻事件的发展过程，省时省力，有利于提升观看新闻的体验。

可理解的是，本发明实施例提供的一种确定新闻脉络的装置与上述确定新闻脉络的方法相对应，具体内容可以参考方法各实施例的内容，在此不再赘述。

图14是根据一示例性实施例示出的一种电子设备1400的框图。例如，电子设备1400可以是手机、平板电脑、电子书阅读器、多媒体播放设备、可穿戴设备、车载终端等电子设备。

参照图14，电子设备1400可以包括以下一个或多个组件：处理组件1402，存储器1404，电源组件1406，多媒体组件1408，音频组件1410，输入/输出(I/O)接口1412，传感器组件1414，以及通信组件1416。

处理组件1402通常控制电子设备1400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1402可以包括一个或多个处理器1420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1402可以包括一个或多个模块，便于处理组件1402和其他组件之间的交互。

例如，处理组件1402可以包括多媒体模块，以方便多媒体组件1408和处理组件1402之间的交互。又如，处理组件1402可以从存储器读取可执行指令，以实现上述各实施例提供的一种确定新闻脉络的方法的步骤。

存储器1404被配置为存储各种类型的数据以支持在电子设备1400的操作。这些数据的示例包括用于在电子设备1400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，信息，图片，视频等。存储器1404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1406为电子设备1400的各种组件提供电力。电源组件1406可以包括电源管理系统，一个或多个电源，及其他与为电子设备1400生成、管理和分配电力相关联的组件。

多媒体组件1408包括在所述电子设备1400和用户之间的提供一个输出接口的显示屏。在一些实施例中，多媒体组件1408包括一个前置摄像头和/或后置摄像头。当电子设备1400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1410被配置为输出和/或输入音频信号。例如，音频组件1410包括一个麦克风(MIC)，当电子设备1400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1404或经由通信组件1416发送。在一些实施例中，音频组件1410还包括一个扬声器，用于输出音频信号。

输入/输出接口1412为处理组件1402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1414包括一个或多个传感器，用于为电子设备1400提供各个方面的状态评估。例如，传感器组件1414可以检测到电子设备1400的打开/关闭状态，组件的相对定位，例如所述组件为电子设备1400的显示器和小键盘，传感器组件1414还可以检测电子设备1400或电子设备1400一个组件的位置改变，用户与电子设备1400接触的存在或不存在，电子设备1400方位或加速/减速和电子设备1400的温度变化。传感器组件1414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1414还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1416被配置为便于电子设备1400和其他设备之间有线或无线方式的通信。电子设备1400可以接入基于通信标准的无线网络，如Wi-Fi，2G，3G，4G或5G，或它们的组合。在一个示例性实施例中，通信组件1416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1416还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备1400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性的机器可读存储介质，例如包括指令的存储器1404，上述指令可由电子设备1400的处理器1420执行以完成上述确定新闻脉络的方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (16)

1.一种确定新闻脉络的方法，其特征在于，所述方法包括：

确定待标记新闻的分词以及从所述分词中提取的关键词；

从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；

基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；

将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；所述设定条件包括：相似度最大或者相似度的取值范围为0.15～0.75；

其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。

2.根据权利要求1所述的方法，其特征在于，获取预先设置新闻脉络数据库的步骤包括：

针对待存入所述新闻脉络数据库中的每个新闻样本，确定该新闻样本的分词以及该新闻样本的分词中提取的关键词；

从预先设置的所述新闻脉络数据库中确定关键词与该新闻样本的关键词相同的第二新闻；

响应于确定的第二新闻的数量不为零，基于该新闻样本的分词确定该新闻样本与所述第二新闻的相似度；

基于所述相似度确定该新闻样本所属的新闻脉络；并将该新闻样本存入所述新闻脉络数据库。

3.根据权利要求2所述的方法，其特征在于，基于所述相似度确定该新闻样本所属的新闻脉络，包括：

将所述相似度满足第一设定条件的第二新闻对应的新闻脉络确定为该新闻样本所属的新闻脉络；或者，

确定所述相似度满足第一设定条件的第二新闻；基于各第二新闻的分词，将各第二新闻两两进行相似度比对；并将相似度比对结果满足第二设定条件的第二新闻所对应的新闻脉络确定为该新闻样本所属的新闻脉络。

4.根据权利要求2或3所述的方法，其特征在于，所述方法还包括：

响应于任一新闻脉络中包含的新闻样本数量超过预设数量，对该任一新闻脉络中包含的新闻样本进行筛选，使该任一新闻脉络中包含的新闻样本数量不超过所述预设数量。

5.根据权利要求4所述的方法，其特征在于，对该任一新闻脉络中包含的新闻样本进行筛选，包括：

针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，确定该任一新闻脉络对应时间线上处于预设时间间隔内的新闻样本；针对确定的每个预设时间间隔内的新闻样本，将预设数量新闻样本之外的新闻样本去除；或者，

将所述新闻脉络中最早的和最近的新闻样本之间的时间段划分为多个子时间段；确定各子时间段内新闻样本与最近的新闻样本的相似度；并将所述相似度位于预设相似度阈值之外的新闻样本去除；或者，

针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，按照设定间隔进行新闻样本去除。

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：

将当前界面显示的新闻确定为所述待标记新闻；

在确定出所述待标记新闻所属的新闻脉络之后，所述方法还包括：

将确定的所述待标记新闻所属的新闻脉络包含的新闻进行推荐。

7.根据权利要求1或5所述的方法，其特征在于，确定新闻的分词以及从所述分词中提取的关键词包括：

对新闻进行分词，得到多个分词；

确定所述多个分词中各个分词在该新闻中的出现频次；

按照出现频次从大到小的顺序确定预设数量个分词作为该新闻的关键词；所述新闻包括待标记新闻和待存入所述新闻脉络数据库的新闻样本。

8.一种确定新闻脉络的装置，其特征在于，所述装置包括：

关键词确定模块，用于确定待标记新闻的分词以及从所述分词中提取的关键词；

第一新闻确定模块，用于从预先设置的新闻脉络数据库中确定关键词与所述待标记新闻的关键词相同的第一新闻；

相似度确定模块，用于基于所述待标记新闻的分词确定所述待标记新闻与所述第一新闻的相似度；

新闻脉络确定模块，用于将所述相似度满足设定条件的第一新闻对应的新闻脉络确定为所述待标记新闻所属的新闻脉络；所述设定条件包括：相似度最大或者相似度的取值范围为0.15～0.75；

其中，所述新闻脉络是按照对应事件发生时间顺序对多个该对应事件的新闻进行排序所形成的脉络。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括数据库获取模块，用于获取预先设置新闻脉络数据库，包括：

关键词确定单元，用于针对待存入所述新闻脉络数据库中的每个新闻样本，确定该新闻样本的分词以及该新闻样本的分词中提取的关键词；

第二新闻确定单元，用于从预先设置的所述新闻脉络数据库中确定关键词与该新闻样本的关键词相同的第二新闻；

相似度确定单元，用于响应于确定的第二新闻的数量不为零，基于该新闻样本的分词确定该新闻样本与所述第二新闻的相似度；

数据库确定单元，用于基于所述相似度确定该新闻样本所属的新闻脉络；并将该新闻样本存入所述新闻脉络数据库。

10.根据权利要求9所述的装置，其特征在于，所述数据库确定单元，包括：

第一新闻脉络确定子单元，用于将所述相似度满足第一设定条件的第二新闻对应的新闻脉络确定为该新闻样本所属的新闻脉络；或者，

第二新闻脉络确定子单元，用于确定所述相似度满足第一设定条件的第二新闻；基于各第二新闻的分词，将各第二新闻两两进行相似度比对；并将相似度比对结果满足第二设定条件的第二新闻所对应的新闻脉络确定为该新闻样本所属的新闻脉络。

11.根据权利要求9或10所述的装置，其特征在于，所述装置还包括：

新闻样本筛选模块，用于响应于任一新闻脉络中包含的新闻样本数量超过预设数量，对该任一新闻脉络中包含的新闻样本进行筛选，使该任一新闻脉络中包含的新闻样本数量不超过所述预设数量。

12.根据权利要求11所述的装置，其特征在于，所述新闻样本筛选模块包括：

第一筛选单元，用于针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，确定该任一新闻脉络对应时间线上处于预设时间间隔内的新闻样本；针对确定的每个预设时间间隔内的新闻样本，将预设数量新闻样本去除；或者

第二筛选单元，用于将所述新闻脉络中最早的和最近的新闻样本之间的时间段划分为多个子时间段；确定各子时间段内新闻样本与最近的新闻样本的相似度；并将所述相似度位于预设相似度阈值之外的新闻样本去除；或者

第三筛选单元，用于针对该任一新闻脉络中除最早的和最近的新闻样本之外的新闻样本，按照设定间隔进行新闻样本去除。

13.根据权利要求8所述的装置，其特征在于，所述装置还包括：

新闻推荐模块，用于将当前界面显示的新闻确定为所述待标记新闻；以及在确定出所述待标记新闻所属的新闻脉络之后，将确定的所述待标记新闻所属的新闻脉络包含的新闻进行推荐。

14.根据权利要求8所述的装置，其特征在于，所述关键词确定模块包括：

分词单元，用于对新闻进行分词，得到多个分词；所述新闻包括待标记新闻和待存入所述新闻脉络数据库的新闻样本；

出现频次确定单元，用于确定所述多个分词中各个分词在该新闻中的出现频次；

关键词确定单元，用于按照出现频次从大到小的顺序确定预设数量个分词作为该新闻的关键词。

15.一种电子设备，其特征在于，包括处理器和用于存储可执行指令的存储器；所述处理器从所述存储器中读取可执行指令，以实现权利要求1～7任一项所述的方法的步骤。

16.一种机器可读存储介质，其上存储有机器可执行指令，其特征在于，该指令被执行时实现权利要求1～7任一项所述方法的步骤。

Images