[发明专利]一种文本信息的处理方法和装置

权利要求书

1.一种文本信息的处理方法，其特征在于，该方法包括：

获取文本信息，对所述文本信息进行过滤；

计算过滤后的文本信息的相似度，根据所述相似度将过滤后的文本信息归类至不同的事件；

根据事件中的文本信息，计算每个事件的重要度指标，所述每个事件的重要度指标至少包括以下重要度指标之一：文本信息的转发数、文本信息的点赞数、文本信息的阅读数、文本信息的评论数、文本信息的转发速度、文本信息的评论速度；

判断每个事件对应的所述重要度指标数值是否超过预设重要度阈值，如果任一重要度指标的数值超过预设重要度阈值，则对该超过预设重要度阈值的事件进行标记；

其中，计算过滤后的文本信息的相似度，包括：

计算过滤后的文本信息对应的文本向量的相似度，将该文本向量的相似度作为该过滤后的文本信息的相似度，所述文本向量包含文本特征和节点特征，所述文本特征包含所述过滤后的文本信息中出现的词的特征，所述节点特征包含所述过滤后的文本信息所处环境的特征，所述所处环境的特征包括创造所述过滤后的文本信息的用户关注的好友、所述过滤后的文本信息所属的网站以及所述过滤后的文本信息的上下文。

2.如权利要求1所述的方法，其特征在于，所述对所述文本信息进行过滤，包括以下步骤中的任一步骤：

使用业务模型判断所述文本信息是否为指定业务，如否，则将判断为否的文本信息过滤掉；

使用广告模型判断所述文本信息是否为广告，如是，则将判断为是的文本信息过滤掉；

使用情感模型判断所述文本信息负面情感值是否超过预设情感值阈值，如超过，则将该超过预设情感阈值的文本信息过滤掉，或者，如果不超过，则将该不超过预设情感阈值的文本信息过滤掉。

3.如权利要求1所述的方法，其特征在于，所述计算过滤后的文本信息的相似度包括：

计算文本信息和文本信息的相似度和/或计算文本信息和事件的相似度。

4.如权利要求3所述的方法，其特征在于，根据所述相似度将过滤后的文本信息归类至不同的事件，包括：

当过滤后的文本信息和事件的相似度大于预设值时，将该过滤后的文本信息归类至该事件；当过滤后的文本信息和任意事件的相似度均不大于预设值时，生成包含该过滤后的文本信息的事件；

或者，

当过滤后的文本信息和另一文本信息的相似度大于预设值时，将该过滤后的文本信息归类至所述另一文本信息所在的事件；当过滤后的文本信息和任意另一文本信息事件的相似度均不大于预设值时，生成包含该过滤后的文本信息的事件；

或者，

当过滤后的文本信息和另一文本信息的相似度大于预设值，且该过滤后的文本信息和所述另一文本信息所在的事件的相似度大于预设值时，将该过滤后的文本信息归类至所述另一文本信息所在的事件；当过滤后的文本信息和任意事件的相似度均不大于预设值，且和任意另一文本信息事件的相似度均不大于预设值时，生成包含该过滤后的文本信息的事件。

5.如权利要求1至4之任一所述的方法，其特征在于，计算过滤后的文本信息的相似度，包括：

计算过滤后的文本信息对应的计数最小表Count-Min Sketch的相似度，将该计数最小表Count-Min Sketch的相似度作为该过滤后的文本信息的相似度。

6.如权利要求1所述的方法，其特征在于，所述获取文本信息包括：

获取来自用户生成内容的文本信息。

7.如权利要求1所述的方法，其特征在于，所述获取文本信息包括：

获取来自新闻渠道、微博渠道、论坛渠道的文本信息。

8.如权利要求7所述的方法，其特征在于，所述来自新闻渠道的文本信息包括新闻标题文本，所述来自论坛渠道的文本信息包括论坛帖子文本。

9.如权利要求1所述的方法，其特征在于，还包括：

根据已标记事件中单文本词频-逆文本频率指数，确定该已标记事件的总结性观点。