[发明专利]新闻文本的分类方法、装置、计算机设备和存储介质

权利要求书

1.一种新闻文本的分类方法，其特征在于，包括：

获取与待分类的新闻文本对应的所有评论信息；

根据指定评论信息，获取与所述指定评论信息对应的读者信息，其中，所述指定评论信息为所有所述评论信息中的任意一条信息；

根据所述读者信息，提取与所述读者信息对应的指定读者的历史阅读数据；

根据所述历史阅读数据，获取所述指定读者对于指定分类类别的偏好分数，其中，所述指定分类类别为与新闻文本对应的所有分类类别中的任意一种类别；

根据所述指定分类类别，按照预设规则计算所述指定评论信息相对于所述指定分类类别的匹配打分；

根据所述偏好分数与所述匹配打分，调用预设的计算公式计算出，与所述指定读者对应的将所述待分类的新闻文本分类为所述指定分类类别的第一评分分数；

分别获取与所有所述评论信息对应的所有读者将所述待分类的新闻文本分类为所述指定分类类别的第二评分分数；

计算所有所述第二评分分数的平均值，得到将所述待分类的新闻文本分类为所述指定分类类别的分类分数；

分别获取将所述待分类的新闻文本分类为每一种分类类别的指定分类分数；

从所有所述指定分类分数中筛选出数值最大的目标分类分数，并将与所述目标分类分数对应的目标分类类别作为所述待分类的新闻文本的目标分类结果。

2.根据权利要求1所述的新闻文本的分类方法，其特征在于，所述根据所述历史阅读数据，获取所述指定读者对于指定分类类别的偏好分数，其中，所述指定分类类别为与新闻文本对应的所有分类类别中的任意一种类别的步骤，包括：

根据所述历史阅读数据，获取所述指定读者的阅读行为信息；

从所述阅读行为信息中提取出与指定新闻文本对应的行为数据，其中，所述指定新闻文本的分类类别为所述指定分类类别，所述行为数据包括浏览次数、评论次数、转发次数与收藏次数；以及，

获取与所述行为数据对应的权重系数；

根据所述行为数据与所述权重系数，计算出所述指定读者对于所述指定分类类别的偏好分数。

3.根据权利要求2所述的新闻文本的分类方法，其特征在于，所述权重系数包括与所述浏览次数对应的第一权重系数，与所述评论次数对应的第二权重系数，与所述转发次数对应的第三权重系数以及与所述收藏次数对应的第四权重系数，所述根据所述行为数据与所述权重系数，计算出所述指定读者对于所述指定分类类别的偏好分数的步骤，包括：

根据所述第一权重系数、第二权重系数、第三权重系数与第四权重系数，对所述浏览次数、评论次数、转发次数与收藏次数进行加权求和处理，得到对应的和值；

获取指定数值；

计算所述和值与所述指定数值的商值；

将所述商值作为所述指定读者对于所述指定分类信息的偏好分数。

4.根据权利要求1所述的新闻文本的分类方法，其特征在于，所述根据所述指定分类类别，按照预设规则计算所述指定评论信息相对于所述指定分类类别的匹配打分的步骤，包括：

对所述指定评论信息进行关键词提取，提取出所述指定评论信息中包含的所有第一关键词；

获取所述第一关键词的第一数量；以及，

获取与所述指定分类信息对应的指定分类词典；

将每一个所述第一关键词分别与所述所述指定分类词典中包含的所有第二关键词进行匹配处理，从所有所述第一关键词中筛选出与所述第二关键词匹配的第三关键词；

获取所述第三关键词的第二数量；

根据所述第一数量与所述第二数量，生成所述指定评论信息相对于所述指定分类类别的匹配打分。

5.根据权利要求4所述的新闻文本的分类方法，其特征在于，所述获取与所述指定分类信息对应的指定分类词典的步骤之前，包括：

获取与所述指定分类类别对应的分类关键词；

根据预设的近义词模型，生成与所述分类关键词对应的近义关键词；

将所述分类关键词与所述近义关键词共同存储于预设的原始词典中，得到数据存储后的词典；

将所述数据存储后的词典作为与所述指定分类类别对应的指定分类词典。