[发明专利]一种新闻话题组织方法及装置

说明书

本发明公开了一种新闻话题组织方法及装置，一种新闻话题组织方法包括：获取距当前时刻TW1时段内所发布的新闻文档，根据文档内容对所获取的新闻文档进行聚类，生成若干类簇；获取已当前已创建、且在距当前时刻TW2时段内存在更新的新闻话题，判断新生成的类簇与已创建的新闻话题内容相似性是否达到预设的第一阈值；如果是，则对新生成的类簇内容与相应的新闻话题内容进行合并；如果否，则针对新生成的类簇创建新的新闻话题。应用本发明方案，可以更好地满足用户阅读新闻时的时效性需求。

技术领域

本发明涉及互联网技术领域，特别是涉及一种新闻话题组织方法及装置。

背景技术

随着互联网的飞速发展，网络上的信息量也呈爆炸性增长。其中，在互联网阅读新闻已经成为人们获取信息的重要手段。面对海量的互联网新闻，如何令用户快速、准确地从中获取自身所关注的信息，特别是最近一段时间发生的热点或重大事件，已经成为当前一个重要的研究方向。

根据现有技术的实现方式，对于一定数量的新闻，可以采用特定的算法进行聚类，然后根据聚类结果辅以人工整理，得到若干新闻话题分类。这种方案可以在一定程度把内容相关联的新闻归为同类，以便用户有选择、有针对性地阅读。

然而，对于新闻消息而言，“时效性”是一个重要的特性，例如：如果一些新闻消息如果过去很久，有可能是事件已经停止了，用户的实际关注度也会降低；也可能是事情还在继续发展，但是用户具体关注的中心主题发生了偏移。现有技术仅仅是静态地对已有的新闻进行聚类，因此无法满足用户对新闻话题阅读的时效性要求。

发明内容

为解决上述技术问题，本发明实施例提供一种新闻话题组织方法及装置，技术方案如下：

本发明实施例提供一种新闻话题组织方法，该方法包括：

获取距当前时刻TW1时段内所发布的新闻文档，根据文档内容对所获取的新闻文档进行聚类，生成若干类簇；

获取已当前已创建、且在距当前时刻TW2时段内存在更新的新闻话题，判断新生成的类簇与已创建的新闻话题内容相似性是否达到预设的第一阈值；

如果是，则对新生成的类簇内容与相应的新闻话题内容进行合并；

如果否，则针对新生成的类簇创建新的新闻话题；

其中，TW1和TW2均为预设的时间长度，TW1＜TW2。

根据本发明的一种具体实施方式，所述对所获取的新闻文档进行聚类，具体实现为：

利用层次聚类算法，对所获取的新闻文档进行聚类。

根据本发明的一种具体实施方式，所述判断新生成的类簇与已创建的新闻话题内容相似性是否达到预设的第一阈值，具体实现为：

利用单遍聚类算法，判断新生成的类簇与已创建的新闻话题内容相似性是否达到预设的第一阈值。

根据本发明的一种具体实施方式，在对新生成的类簇内容与相应的新闻话题内容进行合并之后，还包括：

根据合并结果，计算该新闻话题的新聚类中心，所述聚类中心内容用于生成该新闻话题的子话题。

根据本发明的一种具体实施方式，所述根据合并结果，计算该新闻话题的新聚类中心，具体实现为：

判断新生成的类簇与已创建的新闻话题内容相似性是否达到预设的第二阈值，如果是，则根据合并结果计算新的聚类中心；其中，所述第二阈值不小于所述第一阈值。

本发明实施例还提供一种新闻话题组织装置，该装置包括：第一聚类单元、第二聚类单元、话题合并单元和话题创建单元；

第一聚类单元，用于获取距当前时刻TW1时段内所发布的新闻文档，根据文档内容对所获取的新闻文档进行聚类，生成若干类簇；