[发明专利]实现资讯高质量打标打分的词群算法以及应用

权利要求书

1.一种实现资讯高质量打标打分的词群算法，其特征在于，所述词群算法包括以下步骤：

步骤1、基于不同的公司标签、人物标签、行业标签和概念标签建立知识图谱，在知识图谱中，依据具体标签之间的关系，通过边将相应的节点连接起来，从而每个具体的公司标签、人物标签、行业标签以及概念标签分别对应一个词群；

同时基于用户认知能力作为细分变量，将用户群体分为核心层、中间层和表象层，则在知识图谱中还建立对应的核心层词群、中间层词群和表象层词群；

步骤2、对整篇文章进行分词处理，把字符串打散成分词序列；

步骤3、获取分词序列中出现的公司标签、人物标签、行业标签、概念标签的名字分词，别名分词和/或代码分词其中之一，将该分词作为标签加入到对应的{公司标签候选集}、{人物标签候选集}、{行业标签候选集}、{概念标签候选集}中；

步骤4、将知识图谱中与{公司标签候选集}、{人物标签候选集}、{行业标签候选集}、{概念标签候选集}中的标签所对应的词群与步骤2获得的分词序列做交集，将交集的大小作为{公司标签候选集}、{人物标签候选集}、{行业标签候选集}、{概念标签候选集}每个标签的绝对得分；

步骤5、统计{公司标签候选集}、{人物标签候选集}、{行业标签候选集}、{概念标签候选集}中绝对得分最高的公司标签、人物标签、行业标签以及概念标签，将原文中公司标签、人物标签、行业标签以及概念标签的代词用得分最高的公司标签、人物标签、行业标签以及概念标签替换后，重复步骤2至步骤4，重新计算知识图谱中的词群与分词序列的交集，得到公司标签、人物标签、行业标签以及概念标签在代词修正后的绝对得分；

步骤6、挑选代词修正后的绝对得分Top1和Top2的标签作为主角和配角，则得到作为主角的公司一、作为配角的公司二、作为主角的人物一、作为配角的人物二、作为主角的行业一、作为配角的行业二、作为主角的概念一、作为配角的概念二，共8个标签；

步骤7、从整篇文章挑选出主语和宾语为上述八个标签中任意一个的句子，将这些句子作为核心句子；

步骤8、统计核心句子在整篇文章中的数量，将该数量作为当前文章的文章信息量；

步骤9、分别统计核心句子的分词包含核心层词群、中间层词群和表象层词群的句子数量，作为核心层绝对得分、中间层绝对得分以及表象层绝对得分，得到向量：[核心层绝对得分、中间层绝对得分、表象层绝对得分]。

2.如权利要求1所述的一种实现资讯高质量打标打分的词群算法，其特征在于，步骤2包括以下步骤：

对整篇文章进行关于“句号、问好、感叹号”字符分割，把字符串分割成句子序列后，进行分词处理，把字符串打散成所述分词序列。

3.如权利要求1所述的一种实现资讯高质量打标打分的词群算法，其特征在于，步骤9之后还包括以下步骤：

步骤10、对步骤9获得的向量进行归一化操作后，得到个性化向量：[核心层相对得分、中间层相对得分、表象层相对得分]，用于刻画文章信息量或者用户兴趣在三个层面维度上的归一化离散分布。

4.一种如权利要求3所述的实现资讯高质量打标打分的词群算法的应用，其特征在于，用于搜索引擎，其中：

标签的绝对得分作为相关性因子，在搜索和推荐的排序算法中使用；

文章信息量作为质量因子，在搜索和推荐的排序算法中使用。

文章的个性化向量可以作为物品向量(Item Vector)，与用户向量(User Vector)计算Cos余弦值，用户向量是用户在过去某个时间段，或者某个计数区间内浏览的历史文章的个性化向量的平均。余弦值可以作为个性化因子，在搜索和推荐的排序算法中使用。