CN111460257B - 专题生成方法、装置、电子设备和存储介质 - Google Patents
专题生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111460257B CN111460257B CN202010227288.1A CN202010227288A CN111460257B CN 111460257 B CN111460257 B CN 111460257B CN 202010227288 A CN202010227288 A CN 202010227288A CN 111460257 B CN111460257 B CN 111460257B
- Authority
- CN
- China
- Prior art keywords
- target search
- search results
- topic
- target
- thematic
- 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 74
- 238000003860 storage Methods 0.000 title claims description 15
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 230000015654 memory Effects 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 19
- 230000009193 crawling Effects 0.000 claims description 11
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 20
- 241000209140 Triticum Species 0.000 description 15
- 235000021307 Triticum Nutrition 0.000 description 15
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
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 Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种专题生成方法,涉及知识图谱技术领域。具体实现方案为:获取目标搜索词;根据目标搜索词生成专题名称;根据目标搜索词进行资源抓取,以获取多个候选搜索结果;根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果;将多个目标搜索结果输入判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别;根据专题名称和多个搜索结果类别生成专题。由此,实现了根据目标搜索词和搜索结果自动生成专题,提高了专题生成的效率和时效性,解决了相关技术中采用人工的方式生成专题时存在时效性差、浪费人力资源的技术问题。
Description
技术领域
本申请涉及计算机技术领域的信息处理技术领域,尤其涉及一种专题生成方法、装置、电子设备和存储介质。
背景技术
事件是新闻资讯的上层聚合,而专题则是事件的上层聚合。专题对事件有一定组织,更便于用户阅读以理解整个事件的发展过程。但是,现有的事件专题大多是人工整生成的,存在人力成本高,时效性低的缺点。
发明内容
本申请第一方面实施例提出了一种专题生成方法,包括:
获取目标搜索词;
根据所述目标搜索词生成专题名称;
根据所述目标搜索词进行资源抓取,以获取多个候选搜索结果;
根据所述专题名称对所述多个候选搜索结果进行过滤,得到所述专题名称对应的多个目标搜索结果;
将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据所述任意两个目标搜索结果的相似度进行聚类以生成所述多个搜索结果类别;以及
根据所述专题名称和所述多个搜索结果类别生成所述专题。
本申请第二方面实施例提供了一种专题生成装置,包括:
第一获取模块,用于获取目标搜索词;
第一生成模块,用于根据所述目标搜索词生成专题名称;
第二获取模块,用于根据所述目标搜索词进行资源抓取,以获取多个候选搜索结果;
过滤模块,用于根据所述专题名称对所述多个候选搜索结果进行过滤,得到所述专题名称对应的多个目标搜索结果;
第二生成模块,用于将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据所述任意两个目标搜索结果的相似度进行聚类以生成所述多个搜索结果类别;以及
第三生成模块,用于根据所述专题名称和所述多个搜索结果类别生成所述专题。
本申请第三方面实施例提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面实施例的专题生成方法。
本申请第四方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面实施例的专题生成方法。
上述申请中的一个实施例具有如下优点或有益效果:通过获取目标搜索词;根据目标搜索词生成专题名称;根据目标搜索词进行资源抓取,以获取多个候选搜索结果;根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果;将多个目标搜索结果输入判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别;以及根据专题名称和多个搜索结果类别生成专题。由此,实现了根据目标搜索词和搜索结果自动生成专题,提高了专题生成的效率和时效性,解决了相关技术中采用人工的方式生成专题时存在时效性差、浪费人力资源的技术问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请实施例一提供的专题生成方法的流程示意图;
图2为本申请实施例二提供的专题生成方法的流程示意图;
图3为本申请实施例三提供的专题生成方法的流程示意图;
图4为本申请实施例四提供的专题生成方法的流程示意图;
图5为本申请实施例五提供的专题生成方法的流程示意图;
图6为本申请实施例六提供的专题生成装置的结构示意图
图7是用来实现本申请实施例的专题生成方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的专题的生成方法、装置、电子设备和存储介质。
图1为本申请实施例一提供的专题生成方法的流程示意图。
本申请实施例以该专题生成方法被配置于专题生成装置中来举例说明,该专题生成可以应用于任一电子设备中,以使该电子设备可以执行用于专题生成功能。
其中,电子设备,可以为个人电脑(Personal Computer,简称PC)、云端设备、移动设备等,移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作系统的硬件设备。
如图1所示,该专题生成方法,可以包括以下步骤:
步骤101,获取目标搜索词。
其中,目标搜索词,可以是用户在各搜索网站输入的符合预设条件的热门搜索词。例如,微博搜索热榜排名前N位,等等。其中,N的取值可以根据实际情况而定,本申请实施例中对此不做限定。
本申请实施例中,若运营人员期望采用某一热门搜索词作为本次专题制作的主题,则可以将该热门搜索词作为目标搜索词。
步骤102,根据目标搜索词生成专题名称。
所谓专题,是指针对某个特定对象而特别收集制作而成的一种集中作品,这个对象可以是具体的某个人物或者某个事物,也可以是某个抽象的范围或者领域。在网络上这种作品一般表现为游戏专题或者新闻专题,其中的新闻专题又包括人物专题和新闻热点专题等。专题可以集中展现某一时间的某一事件的起因、进展、趋势和影响程度。
本申请实施例中,获取到目标搜索词后,可以根据目标搜索词生成与搜索词相关的专题名称。
举例来说,假设目标搜索词为“**地区小麦增产”,则可以生成与该目标搜索词对应的专题名称“**地区小麦大幅度增产”。
本申请实施例中,可以根据预先设定的匹配模板生成专题名称,还可以根据语义模型生成与目标搜索词对应的专题名称,在此不做限制。
步骤103,根据目标搜索词进行资源抓取,以获取多个候选搜索结果。
本申请实施例中,获取到目标搜索词后,可以根据目标搜索词对全网资源进行资源抓取,以获取与目标搜索词对应的多个候选搜索结果。
举例来说,假设目标搜索词为“**地区小麦增产”,可以根据目标搜索词对全网资源进行资源抓取,以从全网资源中获取与目标搜索词对应的搜索结果。
作为一种可能的实现方式,获取到目标搜索词后,还可以获取到与目标搜索词相关的多个搜索词,进而根据目标搜索词和相关的多个搜索词进行检索,以得到与目标搜索词相关的搜索结果。
举例来说,假设目标搜索词为“**地区小麦增产”,获取到的与目标搜索词相关的多个搜索词为“小麦增产”和“**地区小麦”,进而可以根据搜索词“**地区小麦增产、小麦增产、**地区小麦”进行检索,以得到与搜索词对应的相关资源。
步骤104,根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
本申请实施例中,在根据目标搜索词进行资源抓取,获取到多个候选搜索结果后,多个候选搜索结果中可能存在与目标搜索词对应的专题名称不匹配的候选搜索结果。这种情况下,可以对候选搜索结果进行过滤,以得到专题名称对应的多个目标搜索结果。
需要说明的是,专题是由多个事件组成的,因此与专题名称对应的目标搜索结果可以为多个。
作为一种可能的实现方式,可以采用从属判别模型对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
作为另一种可能的实现方式,可以根据预先设定的过滤条件,对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
其中,过滤条件,可以是运营人员根据实际需求预先设定的,本申请实施例中对此不做限定。
步骤105,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别。
本申请实施例中,根据专题名称对多个候选搜索结果进行过滤,得到多个目标搜索结果后,在多个目标搜索结果中可能存在内容重复的搜索结果。这种情况下,需要将内容重复的目标搜索结果进行聚类,以生成多个搜索结果类别。
作为本申请实施例的一种可能的实现方式,可以将与专题名称对应的多个目标搜索结果输入归一判别模型中,根据归一判别模型的输出确定任意两个目标搜索结果的相似度。进而,根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别。由此,通过将任意两个相似度较高的目标搜索结果进行聚类,以对重复或者相似的目标搜索结果进行合并,避免了生成的专题存在事件重复导致用户浏览体验差的技术问题。
本申请实施例中,归一判别模型为采用大量的训练样本预先训练得到的模型。其中,训练样本中标注了是否为相同样本或者相似样本。归一判别模型的输入为任意两个目标搜索结果,将任意两个目标搜索结果输入归一判别模型后,通过对两个目标搜索结果进行特征提取,进而根据两个目标搜索结果对应的特征,输出这两个目标搜索结果的相似度。
其中,相似度可以用0至1之间的概率值表示。例如,归一判别模型输出的相似度大于等于0.5,则可以确定这两个目标搜索结果为同一个搜索结果;相似度小于0.5,则可以确定这两个目标搜索结果不为同一个搜索结果。
可选的,将多个目标搜索结果输入归一判别模型,得到任意两个目标搜索结果的相似度后,确定任意两个目标搜索结果的相似度大于相似度阈值时,则对任意两个目标搜索结果进行聚类以生成多个搜索结果类别。由此,通过设定预设的相似度阈值判断任意两个目标搜索结果是否相似,提高了判断任意两个目标搜索结果是否相似的准确率。
作为一种示例,相似度阈值可以为0.5,在确定任意两个目标搜索结果的相似度大于0.5时,可以确定这两个目标搜索结果是重复的,为同一个搜索结果。这种情况下,可以对这两个目标搜索结果进行聚类,以得到该搜索结果类别。
本申请实施例中,对任意两个目标搜索结果进行聚类以生成多个搜索结果类别时,可以采用基于神经网络语音模型的聚类算法对两个目标搜索结果进行聚类。具体的对两个目标搜索结果进行聚类过程可以参见相关技术,在此不再详细介绍。
步骤106,根据专题名称和多个搜索结果类别生成专题。
本申请实施例中,生成的专题,可以为新闻专题、人物专题、游戏专题,等等。
本申请实施例中,在根据目标搜索词生成专题名称和多个搜索结果类别后,可以根据专题名称和多个搜索结果类别生成专题。
可以理解的是,专题是用于对存在关联关系的多个资源进行集中展示,以方便用户进行浏览。例如,在生成的专题为新闻专题时,专题可以为整个新闻时间的进展,各方的回应以及相关评论等等;在生成的专题为人物专题时,专题可以为该人物的整个生平,各方对该人物的评价等等。
本申请实施例专题的生成方法,通过获取目标搜索词;根据目标搜索词生成专题名称;根据目标搜索词进行资源抓取,以获取多个候选搜索结果;根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果;将多个目标搜索结果输入判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别;根据专题名称和多个搜索结果类别生成专题。由此,实现了根据目标搜索词和搜索结果自动生成专题,提高了专题生成的效率和时效性,解决了相关技术中采用人工的方式生成专题时存在时效性差、浪费人力资源的技术问题。
在上述实施例的基础上,在根据专题名称对多个候选搜索结果进行过滤时,还可以根据将多个候选搜索结果和专题名称输入从属判别模型,以根据模型的输出确定候选搜索结果是否为与专题名称匹配的目标搜索结果。下面结合图2对上述过程进行详细介绍,图2为本申请实施例二提供的专题生成方法的流程示意图。
如图2所示,该专题生成方法,还可以包括以下步骤:
步骤201,获取目标搜索词。
步骤202,根据目标搜索词生成专题名称。
步骤203,根据目标搜索词进行资源抓取,以获取多个候选搜索结果。
本申请实施例中,步骤201至步骤203的实现过程,可以参见上述实施例中步骤101至步骤103的实现过程,在此不再赘述。
步骤204,将多个候选搜索结果和专题名称输入经过训练的从属判别模型,以获取从属判别模型输出的概率值。
其中,概率值为多个候选搜索结果分别属于专题名称的概率值。
本申请实施例中,从属判别模型,已经根据样本专题名称与已经标注的样本专题名称对应的搜索结果进行训练,能够准确判段候选搜索结果是否属于当前专题名称。
具体的,将根据目标搜索词进行全网资源抓取获取的多个候选搜索结果和专题名称输入从属判别模型后,从属判别模型输出多个候选搜索结果分别属于该专题名称的概率值。
作为一种可能的实现方式,根据目标搜索词进行全网资源抓取获取到候选搜索结果后,可以从候选搜索结果中抽取事件句,将抽取的时间句和专题名称输入从属判别模型,从属判别模型输出该时间句属于该专题名称的概率值。
步骤205,确定概率值大于第一预设阈值,则将概率值对应的候选搜索结果作为目标搜索结果。
其中,第一预设阈值,为运营人员根据自身需求预先设定的值,如0.5,0.6,0.8等,本申请实施例中在此不做限定。
本申请实施例中,将多个候选搜索结果和专题名称输入经过训练的从属判别模型,以获取到从属判别模型输出的概率值,进而根据概率值确定候选搜索结果是否为目标搜索结果。
作为一种可能的情况,确定从属判别模型输出的概率值大于第一预设阈值,说明该概率值对应的候选搜索结果属于专题名称。这种情况下,将该概率值对应的候选搜索结果作为目标搜索结果。
作为另一种可能的情况,确定从属判别模型输出的概率值不大于第一预设阈值,说明该概率值对应的候选搜索结果不属于专题名称。这种情况下,将该概率值对应的候选搜索结果过滤掉。
由此,根据各候选搜索结果和专题名称输入从属判别模型后输出的概率值,对各候选搜索结果进行筛选,以过滤掉不属于专题名称的候选搜索结果,从而使得生成的专题内容更加符合专题名称。
步骤206,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别。
步骤207,根据专题名称和多个搜索结果类别生成专题。
本申请实施例中,步骤206至步骤207的实现过程,可以参见上述实施例中步骤105至步骤106的实现过程,在此不再赘述。
本申请实施例中,获取目标搜索词;根据目标搜索词生成专题名称;根据目标搜索词进行资源抓取,以获取多个候选搜索结果,将多个候选搜索结果和专题名称输入经过训练的从属判别模型,以获取从属判别模型输出的概率值,确定概率值大于第一预设阈值,则将概率值对应的候选搜索结果作为目标搜索结果,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别,根据专题名称和多个搜索结果类别生成专题。由此,通过从属判别模型对候选搜索结果进行过滤,通过归一判别模型判断目标搜索结果是否存在重复,提高了专题生成的质量。
作为一种可能的情况,在根据目标搜索词生成专题名称时,还可以根据目标搜索词的类型获取对应的专题名称模板,进而根据专题名称模板生成专题名称。下面结合图3对上述过程进行详细介绍,图3为本申请实施例三提供的专题生成方法的流程示意图。
如图3所示,该专题的生成方法,还可以包括以下步骤:
步骤301,获取目标搜索词。
本申请实施例中,步骤301的实现过程,可以参见上述实施例中步骤101的实现过程,在此不再赘述。
步骤302,根据目标搜索词的类型获取对应的专题名称模板。
其中,专题名称模板,可以为根据多个搜索词所属的类型预先设置的模板。
本申请实施例中,获取到目标搜索词后,可以根据目标搜索词的类型获取与目标搜索词匹配的专题名称模板。
需要说明的是,目标搜索词所属的类型不同时,对应的专题名称模板也并不相同,从而可以根据目标搜索词的类型获取对应的专题名称模板。
步骤303,将目标搜索词添加至对应的专题名称模板,以生成专题名称。
本申请实施例中,根据目标搜索词的类型获取对应的专题名称模板后,可以将目标搜索词添加至对应的专题名称模板,以生成目标搜索词对应的专题名称。
作为一种示例,假设新闻专题名称模板为“xxx事件”,获取到目标搜索词为“** 地区小麦增产”后,可以将目标搜索词添加至对应的专题名称模板,生成专题名称“** 地区小麦大幅度增产”。
步骤304,根据目标搜索词进行资源抓取,以获取多个候选搜索结果。
步骤305,根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
步骤306,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别。
步骤307,根据专题名称和多个搜索结果类别生成专题。
本申请实施例中,步骤304至步骤307的实现过程,可以参见上述实施例中步骤103至步骤106的实现过程,在此不再赘述。
本申请实施例的专题生成,通过获取目标搜索词,根据目标搜索词的类型获取对应的专题名称模板,将目标搜索词添加至对应的专题名称模板,以生成专题名称,根据目标搜索词进行资源抓取,以获取多个候选搜索结果,根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别,根据专题名称和多个搜索结果类别生成专题。由此,通过模板匹配的方式生成专题名称,提高了专题名称的匹配率和生成效率。
在上述实施例的基础上,本申请还提出了一种专题生成方法,该实施例中在根据目标搜索词进行资源抓取,以获取多个候选搜索结果时,还可以根据目标搜索词生成的搜索词序列进行资源抓取。下面结合图4对上述过程进行详细介绍,图4为本申请实施例四提供的专题生成方法的流程示意图。
如图4所示,该专题生成方法,还可以包括以下步骤:
步骤401,获取目标搜索词。
步骤402,根据目标搜索词生成专题名称。
本申请实施例中,步骤401至步骤402的实现过程,可以参见上述实施例中步骤101至步骤102的实现过程,在此不再赘述。
步骤403,根据目标搜索词生成搜索词序列。
其中,搜索词序列中包括与目标搜索词相关的多个搜索词。
本申请实施例中,获取到目标搜索词后,可以根据目标搜索词获取与目标搜索词相关的多个用户搜索词。进一步的,获取多个用户搜索词的频率;将频率大于第二预设阈值的用户搜索词添加至搜索词序列。由此,通过对搜索词进行扩展,可以扩大搜索结果,进而扩大生成的专题的信息量。
其中,第二预设阈值,是运营人员根据实际需求设定的,本申请实施例中在此不做限制。
作为一种示例,假设目标搜索词为“**地区小麦增产”,获取到与目标搜索词相关的多个用户搜索词后,确定用户搜索词的概率大于第二预设阈值的用户搜索词可以为“小麦增产、**地区小麦”,进而,可以得到搜索词序列“**地区小麦增产、小麦增产、 **地区小麦”。
步骤404,根据搜索词序列进行资源抓取,以获取多个候选搜索结果。
本申请实施例中,根据目标搜索词生成搜索词序列后,可以根据搜索词序列进行全网资源抓取,以获取到搜索词序列中每一个搜索词对应的搜索结果。进而,将搜索序列中每一个搜索词对应的搜索结果作为候选搜索结果。
步骤405,根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
步骤406,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别。
步骤407,根据专题名称和多个搜索结果类别生成专题。
本申请实施例中,步骤405至步骤407的实现过程,可以参见上述实施例中步骤104至步骤106的实现过程,在此不再赘述。
本申请实施例的专题生成方法,根据目标搜索词进行资源抓取,以获取多个候选搜索结果时,根据目标搜索词生成搜索词序列;根据搜索词序列进行资源抓取,以获取多个候选搜索结果。由此,通过对目标搜索词进行扩展,以获取更多的候选搜索结果,从而使得生成的专题内容更加丰富,有利于提高用户的阅读体验。
在上述实施例的基础上,本申请提出了另一种专题生成方法,具体见实施例五。
图5为本申请实施例五提供的专题生成方法的流程示意图。
如图5所示,该专题生成方法,还可以包括以下步骤:
步骤501,获取目标搜索词。
步骤502,根据目标搜索词生成专题名称。
步骤503,根据目标搜索词进行资源抓取,以获取多个候选搜索结果。
步骤504,根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
步骤505,将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别。
本申请实施例中,步骤501至步骤505的实现过程,可以参见上述实施例中步骤101至步骤105的实现过程,在此不再赘述。
步骤506,按照预设排序规则对多个搜索结果类别进行排序,得到排序结果。
本申请实施例中,确定多个搜索结果类别后,可以按照预设排序规则对多个搜索结果类别进行排序,以得到排序结果。
作为一种示例,假设生成的专题为新闻专题,可以按照搜索结果类别发生的时间顺序,对多个搜索结果类别进行排序。
若生成的专题为人物专题,可以按照人物成长的时间顺序,对多个搜索结果类别进行排序。
需要说明的是,本申请中对预设排序规则不做限定,可以为时间顺序,也可以为其他的排序规则,例如用户阅读量,下载量,搜索热度中的一个或多个,等等,在此不做限定。
步骤507,根据专题名称和排序结果生成专题。
本申请实施例中,根据专题名称和多个搜索结果生成专题时,首先按照预设排序规则对多个搜索结果类别进行排序,得到排序结果;进而,根据专题名称和排序结果生成专题。由此,通过对多个搜索结果类别进行排序,使得根据专题名称和排序结果生成的专题更加直观,以便于用户浏览。
为了实现上述实施例,本申请提供了一种专题生成装置。
图6为本申请实施例六提供的专题生成装置的结构示意图。
如图6所示,该专题生成装置600,可以包括:第一获取模块610、第一生成模块620、第二获取模块630、过滤模块640、第二生成模块650以及第三生成模块660。
其中,第一获取模块610,用于获取目标搜索词。
第一生成模块620,用于根据目标搜索词生成专题名称。
第二获取模块630,用于根据目标搜索词进行资源抓取,以获取多个候选搜索结果。
过滤模块640,用于根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果。
第二生成模块650,用于将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别;以及
第三生成模块660,用于根据专题名称和多个搜索结果类别生成专题。
作为一种可能的情况,过滤模块640,可以包括:
第一获取单元,用于将多个候选搜索结果和专题名称输入经过训练的从属判别模型,以获取从属判别模型输出的概率值;其中,概率值为多个候选搜索结果分别属于专题名称的概率值;以及
第一确定单元,用于确定概率值大于第一预设阈值,则将概率值对应的候选搜索结果作为目标搜索结果。
作为另一种可能的情况,从属判别模型,已经根据样本专题名称与已经标注的样本专题名称对应的搜索结果进行训练。
作为另一种可能的情况,第二生成模块650,还用于:
确定任意两个目标搜索结果的相似度大于相似度阈值,则对任意两个目标搜索结果进行聚类以生成多个搜索结果类别。
作为另一种可能的情况,第一生成模块620,可以包括:
第二获取单元,用于根据目标搜索词的类型获取对应的专题名称模板。
第一生成单元,用于将目标搜索词添加至对应的专题名称模板,以生成专题名称。
作为另一种可能的情况,第二获取模块630,可以包括:
第二生成单元,用于根据目标搜索词生成搜索词序列。
第三获取单元,用于根据搜索词序列进行资源抓取,以获取多个候选搜索结果。
作为另一种可能的情况,第二生成单元,还可以用于:
根据目标搜索词获取与目标搜索词相关的多个用户搜索词;获取多个用户搜索词的频率;将频率大于第二预设阈值的用户搜索词添加至搜索词序列。
作为另一种可能的情况,第三生成模块660,可以包括:
排序单元,用于按照预设排序规则对多个搜索结果类别进行排序,得到排序结果。
第三生成单元,用于根据专题名称和排序结果生成专题。
本申请实施例的专题生成方法,通过获取目标搜索词;根据目标搜索词生成专题名称;根据目标搜索词进行资源抓取,以获取多个候选搜索结果;根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果;将多个目标搜索结果输入判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别;以及根据专题名称和多个搜索结果类别生成专题。由此,实现了根据目标搜索词和搜索结果自动生成专题,提高了专题生成的效率和时效性,解决了相关技术中采用人工的方式生成专题时存在时效性差、浪费人力资源的技术问题。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例的专题生成方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器701、存储器702,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置 (诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的专题生成方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的专题生成方法。
存储器702作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的专题生成的方法对应的程序指令/模块(例如,附图6所示的第一获取模块610、第一生成模块620、第二获取模块630、过滤模块640、第二生成模块650以及第三生成模块660)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的专题生成方法。
存储器702可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据专题生成的电子设备的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至专题生成的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
专题生成方法的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与专题生成的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704 可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机) 等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过获取目标搜索词;根据目标搜索词生成专题名称;根据目标搜索词进行资源抓取,以获取多个候选搜索结果;根据专题名称对多个候选搜索结果进行过滤,得到专题名称对应的多个目标搜索结果;将多个目标搜索结果输入判别模型,确定任意两个目标搜索结果的相似度,并根据任意两个目标搜索结果的相似度进行聚类以生成多个搜索结果类别;以及根据专题名称和多个搜索结果类别生成专题。由此,实现了根据目标搜索词和搜索结果自动生成专题,提高了专题生成的效率和时效性,解决了相关技术中采用人工的方式生成专题时存在时效性差、浪费人力资源的技术问题。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (16)
1.一种专题生成方法,其特征在于,所述方法包括:
获取目标搜索词;
根据所述目标搜索词生成专题名称;
根据所述目标搜索词进行资源抓取,以获取多个候选搜索结果;
根据所述专题名称对所述多个候选搜索结果进行过滤,得到所述专题名称对应的多个目标搜索结果;
将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据所述任意两个目标搜索结果的相似度进行聚类以生成所述多个搜索结果类别;以及
根据所述专题名称和所述多个搜索结果类别生成所述专题;
所述根据所述专题名称对所述多个候选搜索结果进行过滤,得到所述专题名称对应的多个目标搜索结果,包括:
将所述多个候选搜索结果和所述专题名称输入经过训练的从属判别模型,以获取所述从属判别模型输出的概率值;其中,所述概率值为所述多个候选搜索结果分别属于所述专题名称的概率值;以及
确定所述概率值大于第一预设阈值,则将所述概率值对应的候选搜索结果作为目标搜索结果。
2.如权利要求1所述的专题生成方法,其特征在于,所述从属判别模型,已经根据样本专题名称与已经标注的所述样本专题名称对应的搜索结果进行训练。
3.如权利要求1所述的专题生成方法,其特征在于,所述根据所述任意两个目标搜索结果的相似度进行聚类以生成所述多个搜索结果类别,包括:
确定任意两个目标搜索结果的相似度大于相似度阈值,则对所述任意两个目标搜索结果进行聚类以生成所述多个搜索结果类别。
4.如权利要求1所述的专题生成方法,其特征在于,所述根据所述目标搜索词生成专题名称,包括:
根据所述目标搜索词的类型获取对应的专题名称模板;
将所述目标搜索词添加至所述对应的专题名称模板,以生成所述专题名称。
5.如权利要求1所述的专题生成方法,其特征在于,所述根据所述目标搜索词进行资源抓取,以获取多个候选搜索结果,包括:
根据所述目标搜索词生成搜索词序列;
根据所述搜索词序列进行资源抓取,以获取所述多个候选搜索结果。
6.如权利要求5所述的专题生成方法,其特征在于,所述根据所述目标搜索词生成搜索词序列,包括:
根据所述目标搜索词获取与所述目标搜索词相关的多个用户搜索词;
获取所述多个用户搜索词的频率;
将频率大于第二预设阈值的用户搜索词添加至所述搜索词序列。
7.如权利要求1-6任一项所述的专题生成方法,其特征在于,所述根据所述专题名称和所述多个搜索结果类别生成所述专题,包括:
按照预设排序规则对所述多个搜索结果类别进行排序,得到排序结果;
根据所述专题名称和所述排序结果生成所述专题。
8.一种专题生成装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标搜索词;
第一生成模块,用于根据所述目标搜索词生成专题名称;
第二获取模块,用于根据所述目标搜索词进行资源抓取,以获取多个候选搜索结果;
过滤模块,用于根据所述专题名称对所述多个候选搜索结果进行过滤,得到所述专题名称对应的多个目标搜索结果;
第二生成模块,用于将多个目标搜索结果输入归一判别模型,确定任意两个目标搜索结果的相似度,并根据所述任意两个目标搜索结果的相似度进行聚类以生成所述多个搜索结果类别;以及
第三生成模块,用于根据所述专题名称和所述多个搜索结果类别生成所述专题;
所述过滤模块,包括:
第一获取单元,用于将所述多个候选搜索结果和所述专题名称输入经过训练的从属判别模型,以获取所述从属判别模型输出的概率值;其中,所述概率值为所述多个候选搜索结果分别属于所述专题名称的概率值;以及
第一确定单元,用于确定所述概率值大于第一预设阈值,则将所述概率值对应的候选搜索结果作为目标搜索结果。
9.如权利要求8所述的专题生成装置,其特征在于,所述从属判别模型,已经根据样本专题名称与已经标注的所述样本专题名称对应的搜索结果进行训练。
10.如权利要求8所述的专题生成装置,其特征在于,所述第二生成模块,还用于:
确定任意两个目标搜索结果的相似度大于相似度阈值,则对所述任意两个目标搜索结果进行聚类以生成所述多个搜索结果类别。
11.如权利要求8所述的专题生成装置,其特征在于,所述第一生成模块,包括:
第二获取单元,用于根据所述目标搜索词的类型获取对应的专题名称模板;
第一生成单元,用于将所述目标搜索词添加至所述对应的专题名称模板,以生成所述专题名称。
12.如权利要求8所述的专题生成装置,其特征在于,所述第二获取模块,包括:
第二生成单元,用于根据所述目标搜索词生成搜索词序列;
第三获取单元,用于根据所述搜索词序列进行资源抓取,以获取所述多个候选搜索结果。
13.如权利要求12所述的专题生成装置,其特征在于,所述第二生成单元,还用于:
根据所述目标搜索词获取与所述目标搜索词相关的多个用户搜索词;
获取所述多个用户搜索词的频率;
将频率大于第二预设阈值的用户搜索词添加至所述搜索词序列。
14.如权利要求8-13任一项所述的专题生成装置,其特征在于,所述第三生成模块,包括:
排序单元,用于按照预设排序规则对所述多个搜索结果类别进行排序,得到排序结果;
第三生成单元,用于根据所述专题名称和所述排序结果生成所述专题。
15.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的专题生成方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的专题生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227288.1A CN111460257B (zh) | 2020-03-27 | 2020-03-27 | 专题生成方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227288.1A CN111460257B (zh) | 2020-03-27 | 2020-03-27 | 专题生成方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111460257A CN111460257A (zh) | 2020-07-28 |
CN111460257B true CN111460257B (zh) | 2023-10-31 |
Family
ID=71683513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227288.1A Active CN111460257B (zh) | 2020-03-27 | 2020-03-27 | 专题生成方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111460257B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112667809A (zh) * | 2020-12-25 | 2021-04-16 | 平安科技(深圳)有限公司 | 一种文本处理方法、装置及电子设备、存储介质 |
CN116541480B (zh) * | 2023-07-05 | 2023-09-01 | 中国科学院文献情报中心 | 一种基于多标签驱动的专题数据构建方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419776A (zh) * | 2011-12-31 | 2012-04-18 | 北京百度网讯科技有限公司 | 一种满足用户多维度搜索需求的方法和设备 |
CN105893467A (zh) * | 2016-03-28 | 2016-08-24 | 北京麒麟合盛网络技术有限公司 | 一种信息分类方法及装置 |
CN106919577A (zh) * | 2015-12-24 | 2017-07-04 | 北京奇虎科技有限公司 | 基于搜索词进行搜索推荐的方法、装置和搜索引擎 |
CN107992210A (zh) * | 2017-10-11 | 2018-05-04 | 捷开通讯(深圳)有限公司 | 输入法词汇推荐方法、智能终端及具有存储功能的装置 |
CN109815952A (zh) * | 2019-01-24 | 2019-05-28 | 珠海市筑巢科技有限公司 | 品牌名称识别方法、计算机装置及计算机可读存储介质 |
CN110162796A (zh) * | 2019-05-31 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 新闻专题创建方法和装置 |
CN110349568A (zh) * | 2019-06-06 | 2019-10-18 | 平安科技(深圳)有限公司 | 语音检索方法、装置、计算机设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9703895B2 (en) * | 2010-06-11 | 2017-07-11 | Microsoft Technology Licensing, Llc | Organizing search results based upon clustered content |
US10839441B2 (en) * | 2014-06-09 | 2020-11-17 | Ebay Inc. | Systems and methods to seed a search |
US20200073953A1 (en) * | 2018-08-30 | 2020-03-05 | Salesforce.Com, Inc. | Ranking Entity Based Search Results Using User Clusters |
-
2020
- 2020-03-27 CN CN202010227288.1A patent/CN111460257B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419776A (zh) * | 2011-12-31 | 2012-04-18 | 北京百度网讯科技有限公司 | 一种满足用户多维度搜索需求的方法和设备 |
CN106919577A (zh) * | 2015-12-24 | 2017-07-04 | 北京奇虎科技有限公司 | 基于搜索词进行搜索推荐的方法、装置和搜索引擎 |
CN105893467A (zh) * | 2016-03-28 | 2016-08-24 | 北京麒麟合盛网络技术有限公司 | 一种信息分类方法及装置 |
CN107992210A (zh) * | 2017-10-11 | 2018-05-04 | 捷开通讯(深圳)有限公司 | 输入法词汇推荐方法、智能终端及具有存储功能的装置 |
CN109815952A (zh) * | 2019-01-24 | 2019-05-28 | 珠海市筑巢科技有限公司 | 品牌名称识别方法、计算机装置及计算机可读存储介质 |
CN110162796A (zh) * | 2019-05-31 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 新闻专题创建方法和装置 |
CN110349568A (zh) * | 2019-06-06 | 2019-10-18 | 平安科技(深圳)有限公司 | 语音检索方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
Fang Wang ; Shuhong Wen.Study of automatic annotation based on news tags.2016 IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC).2017,全文. * |
基于Nutch专题搜索引擎的研究;郑小波;郑诚;封军;;《微计算机信息》(第30期);全文 * |
谭浩,贾自艳,史忠植.新闻专题的高效组织和生成新方法.科技导报.2004,(第07期),全文. * |
郑茹月.基于增量型聚类的新闻话题检测系统设计与实现.中国优秀硕士学位论文全文数据库信息科技辑.2019,(第01期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111460257A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111782965B (zh) | 意图推荐方法、装置、设备及存储介质 | |
JP6714024B2 (ja) | 言語入力データからnグラムおよび概念関係の自動生成 | |
CN112507715B (zh) | 确定实体之间关联关系的方法、装置、设备和存储介质 | |
US10394946B2 (en) | Refining extraction rules based on selected text within events | |
CN111984689B (zh) | 信息检索的方法、装置、设备以及存储介质 | |
CN111428049B (zh) | 一种事件专题的生成方法、装置、设备和存储介质 | |
US9753909B2 (en) | Advanced field extractor with multiple positive examples | |
CN112650907B (zh) | 搜索词的推荐方法、目标模型的训练方法、装置及设备 | |
US9594814B2 (en) | Advanced field extractor with modification of an extracted field | |
CN111831821B (zh) | 文本分类模型的训练样本生成方法、装置和电子设备 | |
CN111563385B (zh) | 语义处理方法、装置、电子设备和介质 | |
CN111460289B (zh) | 新闻资讯的推送方法和装置 | |
CN111091006B (zh) | 一种实体意图体系的建立方法、装置、设备和介质 | |
CN111078878B (zh) | 文本处理方法、装置、设备及计算机可读存储介质 | |
EP3115907A1 (en) | Common data repository for improving transactional efficiencies of user interactions with a computing device | |
US20210374576A1 (en) | Medical Fact Verification Method and Apparatus, Electronic Device, and Storage Medium | |
CN111858905B (zh) | 模型训练方法、信息识别方法、装置、电子设备及存储介质 | |
CN111460257B (zh) | 专题生成方法、装置、电子设备和存储介质 | |
CN112115313B (zh) | 正则表达式的生成、数据提取方法、装置、设备及介质 | |
CN111310058B (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
CN111984774B (zh) | 搜索方法、装置、设备以及存储介质 | |
CN111400456B (zh) | 资讯推荐方法及装置 | |
CN111460296B (zh) | 用于更新事件集合的方法和装置 | |
CN111385188A (zh) | 对话元素的推荐方法、装置、电子设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |