[发明专利]新闻分类方法、装置、设备及介质

说明书

本发明提供一种新闻分类方法、装置、设备及介质，获取当前新闻数据；对所述当前新闻数据进行向量化处理，得到当前向量；确定所述当前向量和各历史聚类中心的第一距离中的最小距离；当所述最小距离小于预设值时，将所述当前向量添加到所述最小距离对应的历史聚类中心，得到待处理聚类中心；计算所述待处理聚类中心中任意两个向量之间的第二距离；当存在所述第二距离大于或等于所述预设值时，分割所述待处理聚类中心，得到至少两个子聚类中心；将包括有所述当前向量的子聚类中心对应的类别，作为所述当前新闻数据的类别。本发明以解决现有技术中新闻分类的准确率较低的缺陷。

技术领域

本发明涉及计算机技术领域，尤其涉及一种新闻分类方法、装置、设备及介质。

背景技术

随着互联网的繁荣，新闻业和媒体业正在蓬勃发展，读者每天会阅读海量的新闻。如何将这些新闻按照其描述的不同事件进行分类，来提高读者的阅读效率，帮助读者理解整个事件脉络具有重要意义。现有技术的新闻分类方法采用的聚类方法无法检测细粒度事件，只是在粗粒度范围内检测新闻主题并将新闻文本放在同一个主题下的聚类里。现有技术的新闻分类方法，准确率较低，用户体验不好。

由于新闻体裁的多样性，内容的复杂性和时间的衰减性，因此，如何在复杂多样化的新闻数据中对新闻数据进行精准分类是目前业界亟待解决的重要课题。

发明内容

本发明提供一种新闻分类方法、装置、设备及介质，用以解决现有技术中新闻分类的准确率较低的缺陷，实现新闻数据的精准分类。

本发明提供一种新闻分类方法，包括：

获取当前新闻数据；

对所述当前新闻数据进行向量化处理，得到当前向量；

确定所述当前向量和各历史聚类中心的第一距离中的最小距离；

当所述最小距离小于预设值时，将所述当前向量添加到所述最小距离对应的历史聚类中心，得到待处理聚类中心；

计算所述待处理聚类中心中任意两个向量之间的第二距离；

当存在所述第二距离大于或等于所述预设值时，分割所述待处理聚类中心，得到至少两个子聚类中心；

将包括有所述当前向量的子聚类中心对应的类别，作为所述当前新闻数据的类别。

根据本发明提供的一种新闻分类方法，所述方法还包括：

基于预先设定的事件滤除策略，计算所述各历史聚类中心对应的权重；

将所述权重小于预设权重时对应的历史聚类中心，从所述各历史聚类中心中滤除，并将滤除后剩余的历史聚类中心作为所述各历史聚类中心。

根据本发明提供的一种新闻分类方法，所述当存在所述第二距离大于或等于所述预设值时，分割所述待处理聚类中心，得到至少两个子聚类中心，包括：

基于分割参数，确定所述待处理聚类中心对应的至少两个核心向量；

将所述待处理聚类中心中的向量对应性的划分至各自对应的核心向量，得到所述至少两个子聚类中心；

其中，每个所述子聚类中心中任意两个向量之间的第二距离小于所述预设值。

根据本发明提供的一种新闻分类方法，所述方法还包括：

当所述最小距离大于或等于所述预设值时，生成新的聚类中心，将所述当前向量添加到所述新的聚类中心；

确定所述新的聚类中心的类别，将所述新的聚类中心的类别作为所述当前新闻数据的类别。

根据本发明提供的一种新闻分类方法，所述方法还包括：