[发明专利]一种文本信息处理方法及装置

权利要求书

1.一种文本信息处理方法，其特征在于，包括：

针对一个待处理的文本信息，确定所述文本信息对应的非文本特征值和文本特征值，其中，所述非文本特征值和文本特征值是表征文本信息对应的热门程度的指标，所述非文本特征是和文本信息中包含的内容不相关，且与用户对该文本信息操作相关的特征信息，所述文本特征是和文本信息中包含的内容相关的特征信息；

根据确定出的非文本特征值和文本特征值，按照预置的文本信息热门程度逻辑回归模型，确定该文本信息对应的热门程度值；

根据确定出的热门程度值，对所述文本信息进行处理。

2.如权利要求1所述的方法，其特征在于，所述非文本特征值是该待处理文本信息的潜在点击率；

确定待处理文本信息对应的非文本特征值，包括：

在数据库中获得至少一个文本信息作为样本数据；

确定获得的样本数据对应的点击率；

根据确定出的点击率，确定待处理文本信息对应的潜在点击率。

3.如权利要求2所述的方法，其特征在于，根据确定出的点击率，采用下述公式，确定待处理文本信息对应的潜在点击率：

δq1=log2(Πi=1This(q,qi)Σi=1Ts(q,qi))]]>

其中，δ_q1是待处理文本信息对应的潜在点击率，s(q,q_i)是待处理文本信息q和样本数据q_i之间的余弦相似度，h_i是样本数据q_i的点击率，T是样本数据的数量。

4.如权利要求1所述的方法，其特征在于，所述文本特征包含组成文本信息的关键词和非关键词；

确定待处理文本信息对应的文本特征值，包括：

在数据库中获得至少一个文本信息作为样本数据；

将获得的样本数据划分为关键文本信息集合和非关键文本信息集合，其中，关键文本信息集合是包含关键词的文本信息集合，非关键文本信息集合是包含非关键词的文本信息集合，所述关键词和非关键词是表征文本信息内容的词语；

根据划分的关键文本信息集合和非关键文本信息集合，确定包含至少一个关键词的关键词集合和包含至少一个非关键词的非关键词集合；

将待处理文本信息划分为包含至少一个词语的词语集合；

分别确定待处理文本信息划分成的词语集合中的词语和确定出的关键词和非关键词之间的相关性权重；并

根据得到的相关性权重，确定待处理文本信息对应的文本特征值。