CN108090201A - 一种文章内容分类的方法、装置及电子设备 - Google Patents
一种文章内容分类的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN108090201A CN108090201A CN201711410056.4A CN201711410056A CN108090201A CN 108090201 A CN108090201 A CN 108090201A CN 201711410056 A CN201711410056 A CN 201711410056A CN 108090201 A CN108090201 A CN 108090201A
- Authority
- CN
- China
- Prior art keywords
- article content
- sorted
- content
- article
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开一种文章内容分类的方法、装置及电子设备,涉及计算机应用领域。所述方法包括:服务器获取待分类文章内容;所述服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息;所述服务器根据所述内容信息,确定所述特征对应的特征值;所述服务器将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。本发明实现了对文章内容对应的索引的分类存储,使得高质量、且适合长时间保存的文章内容存储的时间更长,并将高质量、且适合长时间保存的文章内容推荐给用户阅读,提高用户体验。
Description
技术领域
本发明涉及计算机应用领域,尤其涉及一种文章内容分类的方法、装置及电子设备。
背景技术
目前,为用户提供个性化文章内容推荐是个性化阅读应用的重要组成部分之一。在实现个性化文章内容推荐的过程中,对文章内容的数据检索是实现个性化推荐的重要组成部分。
在如今数据大爆发的时代,个性化文章内容推荐***通过为每个文章内容的分配索引,进而实现对文章内容的检索。但是,由于存在大量文章内容的数据,个性化文章内容推荐***通常无法保存全部历史文章内容的索引。
在现有技术中,技术人员通常会为每个索引设置一个比较短的存储时间(例如,通常为几天)。但是,这也会导致出现以下的问题:部分高质量、且适合长时间存储的文章内容的索引在较短的时间后过期(即个性化文章内容推荐***将该索引删除),从而个性化文章内容推荐***无法再通过索引检索到对应的文章内容,也无法将文章内容推荐给用户阅读,降低用户体验度。
发明内容
有鉴于此,本发明实施例提供一种文章内容分类的方法、装置及服务器,以解决现有的文章内容的索引在较短的时间后过期,无法通过索引检索到对应的文章内容并推荐给用户阅读,降低用户体验的问题。
第一方面,本发明实施例提供一种文章内容分类的方法,所述方法包括:
服务器获取待分类文章内容;
所述服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息;
所述服务器根据所述内容信息,确定所述特征对应的特征值;
所述服务器将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
结合第一方面,在第一方面的第一种实施方式中,所述对所述待分类文章内容对应的索引进行分类存储,具体包括:
所述服务器根据所述待分类文章内容的分类结果,确定所述待分类文章内容对应的索引的存储时间。
结合第一方面的第一种实施方式,在第一方面的第二种实施方式中,所述待分类文章内容的分类结果包括长时效文章内容和短时效文章内容;
所述服务器根据所述待分类文章内容的分类结果,确定所述待分类文章内容对应的索引的存储时间,具体包括:
当所述待分类文章内容的分类结果为所述长时效文章内容时,所述服务器确定所述待分类文章内容对应的索引的存储时间为第一存储时间;
当所述待分类文章内容的分类结果为所述短时效文章内容时,所述服务器确定所述待分类文章内容对应的索引的存储时间为第二存储时间。
结合第一方面,在第一方面的第三种实施方式中,所述特征集合库包括的所述特征包括时间特征、词特征、语态特征、电头特征、标题特征以及地点特征;
所述服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息,具体包括:
所述服务器根据所述特征集合库中包括的每个特征,判断所述待分类文章内容中是否存在与所述每个特征匹配的内容信息。
结合第一方面的第三种实施方式,在第一方面的第四种实施方式中,所述服务器根据所述内容信息,确定所述特征对应的特征值,具体包括:
如果所述待分类文章内容中存在与所述每个特征匹配的内容信息,则所述服务器将所述每个特征对应的特征值置1;
如果所述待分类文章内容中未存在与所述每个特征匹配的内容信息,则所述服务器将所述每个特征对应的特征值置0。
第二方面,本发明实施例提供一种文章内容分类的装置,所述装置包括:
获取单元,用于获取待分类文章内容;
抽取单元,用于根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息;
确定单元,用于根据所述内容信息,确定所述特征对应的特征值;
存储单元,用于将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
结合第二方面,在第一方面的第一种实施方式中,所述存储单元具体用于,根据所述待分类文章内容的分类结果,确定所述待分类文章内容对应的索引的存储时间。
结合第二方面的第一种实施方式,在第二方面的第二种实施方式中,所述存储单元得到的所述待分类文章内容的分类结果包括长时效文章内容和短时效文章内容;
所述存储单元还具体用于,当所述待分类文章内容的分类结果为所述长时效文章内容时,确定所述待分类文章内容对应的索引的存储时间为第一存储时间;
当所述待分类文章内容的分类结果为所述短时效文章内容时,确定所述待分类文章内容对应的索引的存储时间为第二存储时间。
结合第二方面,在第一方面的第三种实施方式中,所述特征集合库包括的所述特征包括时间特征、词特征、语态特征、电头特征、标题特征以及地点特征;
所述抽取单元具体用于,根据所述特征集合库中包括的每个特征,判断所述待分类文章内容中是否存在与所述每个特征匹配的内容信息。
结合第二方面的第三种实施方式,在第二方面的第四种实施方式中,所述确定单元具体用于,如果所述待分类文章内容中存在与所述每个特征匹配的内容信息,则将所述每个特征对应的特征值置1;
如果所述待分类文章内容中未存在与所述每个特征匹配的内容信息,则将所述每个特征对应的特征值置0。
第三方面,本发明实施例提供一种电子设备,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述第一方面方法所述的。
本发明实施例提供的一种文章内容分类的方法、装置及电子设备,服务器根据已存储的特征集合库,从获取的待分类文章内容中提取与特征集合库包括的特征匹配的内容信息。服务器根据提取的内容信息,确定特征对应的特征值。服务器再将特征值输入至已训练的特征分类模型中,得到待分类文章内容的分类结果,并对待分类文章内容对应的索引进行分类存储。前述方案能够解决现有的文章内容的索引在较短的时间后过期,无法通过索引检索到对应的文章内容并推荐给用户阅读,降低用户体验的问题。实现了对文章内容对应的索引的分类存储,使得高质量、且适合长时间保存的文章内容存储的时间更长,并将高质量、且适合长时间保存的文章内容推荐给用户阅读,提高用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种文章内容分类的方法流程图;
图2为本发明实施例提供的另一种文章内容分类的方法流程图;
图3为本发明实施例提供的一种文章内容分类的装置结构示意图;
图4为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面结合附图1,详细说明本发明实施例提供的方案进行说明,图1为本发明实施例提供的一种文章内容分类的方法流程图,在本发明实施例中实施主体为服务器。如图1所示,本实施例的方法具体包括以下步骤:
步骤110、服务器获取待分类文章内容。
本实施例中,服务器可在本地数据库中存储多篇文章内容。文章内容可具体为新闻、菜谱、健身指导等可提供用户进行阅读的信息。
步骤120、所述服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息。
本实施例中,服务器根据已存储的特征集合库包括的特征,从待分类文章内容中抽取对应匹配的内容信息。
在本步骤之前,技术人员为服务器配置预设的特征集合库。在特征集合库中包括多个特征。
步骤130、所述服务器根据所述内容信息,确定所述特征对应的特征值。
本实施例中,服务器抽取到特征集合库包括的特征匹配的内容信息后,为特征设置对应的特征值。
步骤140、所述服务器将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
本实施例中,服务器将设置的特征值输入至已训练的特征分类模型中,即可得到待分类文章内容的分类结果。服务器根据得到的分类结果,对待分类文章内容对应的索引进行分类存储。
需要说明的是,在本步骤中的特征分类模型为服务器根据样本文章内容在先训练得到。
本实施例,服务器根据已存储的特征集合库,从获取的待分类文章内容中提取与特征集合库包括的特征匹配的内容信息。服务器根据提取的内容信息,确定特征对应的特征值。服务器再将特征值输入至已训练的特征分类模型中,得到待分类文章内容的分类结果,并对待分类文章内容对应的索引进行分类存储。前述方案能够解决现有的文章内容的索引在较短的时间后过期,无法通过索引检索到对应的文章内容并推荐给用户阅读,降低用户体验的问题。实现了对文章内容对应的索引的分类存储,使得高质量、且适合长时间保存的文章内容存储的时间更长,并将高质量、且适合长时间保存的文章内容推荐给用户阅读,提高用户体验。
下面结合附图2,详细说明本发明实施例提供的方案进行说明,图2为本发明实施例提供的另一种文章内容分类的方法流程图,在本发明实施例中实施主体为服务器。如图2所示,本实施例的方法具体包括以下步骤:
步骤210、服务器获取样本文章内容。
本实施例中,样本文章内容可具体为新闻、菜谱、健身指导等可提供用户进行阅读的信息。
步骤220、服务器根据样本文章内容,训练xgboost分类模型进行训练,得到特征分类模型。
本实施例中,服务器根据特征集合库,从样本文章内容中抽取与特征集合库包括的特征匹配的内容信息(抽取过程请详见后续步骤240的描述)。服务器根据内容信息,确定特征对应的特征值(确定过程请详见后续步骤250的描述)。服务器将抽取得到的特征值输入至xgboost分类模型中。服务器对xgboost分类模型进行训练,得到特征分类模型。
可以理解的是,服务器对xgboost分类模型进行训练的过程为现有模型训练技术,在此不再复述。
步骤230、服务器获取待分类文章内容。
本实施例中,服务器获取待分类文章内容的过程和上述方法实施例的步骤110类似,此处不再赘述。
步骤240、服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息。
本实施例中,特征集合库包括多个特征。具体地,特征具体包括时间特征、词特征、语态特征、电头特征、标题特征以及地点特征。
本步骤中,服务器根据特征集合库中包括的每个特征,判断待分类文章内容中是否存在与每个特征匹配的内容信息,进而实现特征抽取。
下面分别对每个特征进行说明。
A:时间特征。
本实施例中,时间特征是以文章内容的发布时间(publish_time)为参照,以文章内容中是否出现某一类时间词作为特征。时间特征可具体包括文章内容中出现的模糊时间词和/或解析时间词。如:特征time_ltel2h=1表示文章内容中出现了以publish_time作为参考的12小时以内的时间词。
在抽取时间特征时,首先抽取文章内容中所有描述时间的解析时间词和模糊时间词。例如,某篇文章内容,其publish_time为2017-03-2808:00:00。对该篇文章内容中所有描述时间的词进行抽取,得到该篇文章内容的时间特征如下:
″parsed_times″:[″2017-06-10 00∶00:00+June 10″,″2017-03-2700:00:00+Monday″,″2017-04-0100∶00∶00+April 1″,″2017-04-0900∶00∶00+April 9″,″2016-10-0100:00:00+last October″,″2016-01-0100:00:00+2016″,″2016-12-0100:00:00+December″,″2007-01-0100:00∶00+2007″,″2005-01-0100∶00∶00+2005″,″2004-01-0100∶00∶00+2004″],″fuzzy_timely_words″:[″recent months″]。上述抽取到的内容信息,可以形成时间特征。时间特征包括解析时间词以及模糊时间词。例如,解析时间词为2017年6月10日零点、2017年3月27日零点、2016年10月1日零点等等。模糊时间词为最近几月。
可以理解的是,上述以时间词是否表示具体时间维度进行抽取。在实际抽取过程中,还可以通过时间词是否表示时间段维度进行抽取。例如,对某篇文章内容抽取包含时间段维度的时间词。时间段的划分如下:12小时以内(time_ltel2h)、24小时以内(time_lte24h)、4天内(time_lte4d)、7天内(time_lte7d)、30天内(time_lte30d)、180天内(time_lte180d)、一年内(time_ltely)、5年内(time_lte5y)、5年以上(time_gt5y);
或者,还可以通过时间词个数维度进行抽取。例如,解析时间词、模糊时间词的个数。
B:词特征。
本实施例中,判断文章内容中是否包括某些固定词,即可确定该文章内容的分类。例如,时政类文章内容更可能是短时效文章、包括热门人物词或某些能表征具体时间词的文章内容更可能是短时效文章。
在抽取过程中,可直接根据qtopic字段、entities_v2字段、l2_categories+categories字段生成词特征。例如,qtopic=[{″name″:″Motorcycles-and-Motorcycling″,″weight″:0.6720}],则生成词特征:Motorcycles-and-Motorcycling=1;entities_v2=[{″L1_weight″:0.2237,″name″:″dirt_bike″,″weight″:0.4991}],则生成词特征:dirt_bike=1;12_categories+categories=[{″name″:″1000780″,″weight″:0.9453},{″name″:″1000798″,″weight″:0.8419}],则生成词特征:cate_1000780=1,cate_1000798=1。
C:语态特征。
本实施例中,判断文章内容中首句的语态,即可确定该文章内容的时效性,进而确定文章内容的分类。例如,首句的语态为现在进行时、完成时,该文章内容更有可能是短时效文章。
在抽取过程中,对文章内容首句的句法进行分析,获取首句的句法分析信息。将句法分析信息输入至快速文本(fast text)函数,进而得到首句的语态(共16种语态)。例如,文章内容首句的语态是present_perfect,则语态特征l_sent_tense_present_perfect=1。
可以理解的是,也可对文章内容的前两句进行语态分析,得到语态特征。
D:电头特征。
本实施例中,电头指电讯稿件播发的新闻单位、地点、时间的说明。用电发往外地称“电”,稿件发给当地的称“讯”。电头,也可称为“消息头”,是消息体裁的外在标志。判断文章内容中是否包括电头,进而确定该文章内容的分类。例如,包括电头的文章内容更可能是短时效文章。
在抽取过程中,对文章内容的前10个词进行抽取。如果前10个词中出现了表示地点的地域名词,则确定该文章内容包括电头。
E:标题特征。
本实施例中,判断文章内容的标题是否包括时间词(title_has_time_words)、突发新闻词(title_has_breaking_words)、节假日词(has_holiday_in_title)以及报价词(has_currency_title&has_currency_content),即可确定该文章内容的时效性,进而确定文章内容的分类。
例如,标题包括时间词的文章内容通常是短时效文章。在抽取过程中,通过正则匹配的方式检测标题是否包括时间词。
例如,标题包括突发新闻词的文章内容通常是短时效文章。在抽取过程中,通过正则匹配的方式检测标题是否包括诸如突发新闻(breaking news)、预算打破(budgetbreaking)等突发新闻词。
例如,标题包括节假日词的文章内容通常不能作为长时效文章。在抽取过程中,根据预存储的节假日词表,通过正则匹配的方式检测标题是否包括节假日词。
例如,标题包括报价词的文章内容更可能是广告,而广告类文章内容不能作为长时效文章。
F:地点特征。
本实施例中,判断文章内容是否包括地名和地名个数(has location&countlocation),即可确定该文章内容的时效性,进而确定文章内容的分类。例如,包括地名的文章内容更有可能是在讲述某个地方发生的某件事,更可能是短时效文章。
在抽取过程中,根据对文章内容中地域识别的结果字段location生成地点特征。比如:location=[{″region_code″:″155″,″region_name″:″Western Europe″,″continent_code″:″150″,″continent_name″:″Europe″,″country_code″:″FR″,″country_name″:″France″}],则has_location=1,count_location=1。
步骤250、所述服务器根据所述内容信息,确定所述特征对应的特征值。
本步骤中,服务器根据特征集合库中包括的每个特征,判断待分类文章内容中是否存在与每个特征匹配的内容信息。如果待分类文章内容中存在与每个特征匹配的内容信息,则服务器将每个特征对应的特征值置1;
如果待分类文章内容中未存在与每个特征匹配的内容信息,则服务器将每个特征对应的特征值置0。
需要说明的是,特征集合库中包括的每个特征,服务器均需判断待分类文章内容是否包括该特征。在一个例子中,如果待分类文章内容包括时间特征、词特征、语态特征、电头特征、标题特征以及地点特征,则服务器将每个特征对应的特征值置1。
在另一个例子中,如果待分类文章内容包括时间特征、词特征、语态特征、电头特征,但未包括标题特征、地点特征,则服务器将时间特征、词特征、语态特征、电头特征对应的特征值置1,将标题特征、地点特征对应的特征值置0.
步骤260、所述服务器将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
本步骤中,待分类文章内容的分类结果包括长时效文章内容和短时效文章内容。
服务器将特征值输入特征分类模型后,得到待分类文章内容的分类结果。服务器根据待分类文章内容的分类结果,确定待分类文章内容对应的索引的存储时间。
本实施例中,当待分类文章内容的分类结果为长时效文章内容时,服务器确定待分类文章内容对应的索引的存储时间为第一存储时间;
当待分类文章内容的分类结果为短时效文章内容时,服务器确定待分类文章内容对应的索引的存储时间为第二存储时间。
其中,第一存储时间大于第二存储时间,比如第一存储时间具体为90天,第二存储时间具体为4天。存储时间的具体设置值可根据实际场景进行设置,本发明实施例并不限制于此。
可以理解的是,本发明实施例将长时效文章内容存储时间设置的时间更长,可将高质量、且适合长时间保存的文章内容推荐给用户阅读,提高用户体验。将短时效文章内容存储时间设置的时间更短,可节约存储空间。
本实施例,服务器根据已存储的特征集合库,从获取的待分类文章内容中提取与特征集合库包括的特征匹配的内容信息。服务器根据提取的内容信息,确定特征对应的特征值。服务器再将特征值输入至已训练的特征分类模型中,得到待分类文章内容的分类结果,并对待分类文章内容对应的索引进行分类存储。前述方案能够解决现有的文章内容的索引在较短的时间后过期,无法通过索引检索到对应的文章内容并推荐给用户阅读,降低用户体验的问题。实现了对文章内容对应的索引的分类存储,使得高质量、且适合长时间保存的文章内容存储的时间更长,并将高质量、且适合长时间保存的文章内容推荐给用户阅读,提高用户体验。
图3为本发明实施例提供的一种文章内容分类的装置结构示意图,如图3所示,本实施例的文章内容分类的装置可以包括:获取单元310、抽取单元320、确定单元330以及存储单元340。
其中,所述获取单元310,用于获取待分类文章内容;
抽取单元320,用于根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息;
确定单元330,用于根据所述内容信息,确定所述特征对应的特征值;
存储单元340,用于将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
进一步地,所述存储单元340具体用于,根据所述待分类文章内容的分类结果,确定所述待分类文章内容对应的索引的存储时间。
进一步地,所述存储单元340得到的所述待分类文章内容的分类结果包括长时效文章内容和短时效文章内容;
所述存储单元340还具体用于,当所述待分类文章内容的分类结果为所述长时效文章内容时,确定所述待分类文章内容对应的索引的存储时间为第一存储时间;
当所述待分类文章内容的分类结果为所述短时效文章内容时,确定所述待分类文章内容对应的索引的存储时间为第二存储时间。
进一步地,所述特征集合库包括的所述特征包括时间特征、词特征、语态特征、电头特征、标题特征以及地点特征;
所述抽取单元320具体用于,根据所述特征集合库中包括的每个特征,判断所述待分类文章内容中是否存在与所述每个特征匹配的内容信息。
进一步地,所述确定单元330具体用于,如果所述待分类文章内容中存在与所述每个特征匹配的内容信息,则将所述每个特征对应的特征值置1;
如果所述待分类文章内容中未存在与所述每个特征匹配的内容信息,则将所述每个特征对应的特征值置0。
本实施例的装置,可以用于执行图1、图2所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
相应地,本发明实施例提供的一种文章内容分类的装置还可用另一种结构实现。图4为本发明提供的一个电子设备实施例的结构示意图,可以实现本发明图1-2所示实施例的流程,如图4所示,上述电子设备可以包括:壳体41、处理器42、存储器43、电路板44和电源电路45,其中,电路板44安置在壳体41围成的空间内部,处理器42和存储器43设置在电路板44上;电源电路45,用于为上述电子设备的各个电路或器件供电;存储器43用于存储可执行程序代码;处理器42通过读取存储器43中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述实施例所述的方法。
处理器42对上述步骤的具体执行过程以及处理器42通过运行可执行程序代码来进一步执行的步骤,可以参见本发明图1-2所示实施例的描述,在此不再赘述。
该电子设备:提供计算服务的设备,电子设备的构成包括处理器、硬盘、内存、***总线等,电子设备和通用的计算机架构类似,但是由于需要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
需要说明的是,在本文中,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,″计算机可读介质″可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
为了描述的方便,描述以上装置是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
Claims (10)
1.一种文章内容分类的方法,其特征在于,所述方法包括:
服务器获取待分类文章内容;
所述服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息;
所述服务器根据所述内容信息,确定所述特征对应的特征值;
所述服务器将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
2.根据权利要求1所述的方法,其特征在于,所述对所述待分类文章内容对应的索引进行分类存储,具体包括:
所述服务器根据所述待分类文章内容的分类结果,确定所述待分类文章内容对应的索引的存储时间。
3.根据权利要求2所述的方法,其特征在于,所述待分类文章内容的所述分类结果包括长时效文章内容和短时效文章内容;
所述服务器根据所述待分类文章内容的所述分类结果,确定所述待分类文章内容对应的索引的存储时间,具体包括:
当所述待分类文章内容的分类结果为所述长时效文章内容时,所述服务器确定所述待分类文章内容对应的索引的存储时间为第一存储时间;
当所述待分类文章内容的分类结果为所述短时效文章内容时,所述服务器确定所述待分类文章内容对应的索引的存储时间为第二存储时间。
4.根据权利要求1所述的方法,其特征在于,所述特征集合库包括的所述特征包括时间特征、词特征、语态特征、电头特征、标题特征以及地点特征;
所述服务器根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息,具体包括:
所述服务器根据所述特征集合库中包括的每个特征,判断所述待分类文章内容中是否存在与所述每个特征匹配的内容信息。
5.根据权利要求4所述的方法,其特征在于,所述服务器根据所述内容信息,确定所述特征对应的特征值,具体包括:
如果所述待分类文章内容中存在与所述每个特征匹配的内容信息,则所述服务器将所述每个特征对应的特征值置1;
如果所述待分类文章内容中未存在与所述每个特征匹配的内容信息,则所述服务器将所述每个特征对应的特征值置0。
6.一种文章内容分类的装置,其特征在于,所述装置包括:
获取单元,用于获取待分类文章内容;
抽取单元,用于根据已存储的特征集合库,从所述待分类文章内容中抽取与所述特征集合库包括的特征匹配的内容信息;
确定单元,用于根据所述内容信息,确定所述特征对应的特征值;
存储单元,用于将所述特征值输入已训练的特征分类模型中,得到所述待分类文章内容的分类结果,并对所述待分类文章内容对应的索引进行分类存储。
7.根据权利要求6所述的装置,其特征在于,所述存储单元具体用于,根据所述待分类文章内容的分类结果,确定所述待分类文章内容对应的索引的存储时间。
8.根据权利要求7所述的装置,其特征在于,所述存储单元得到的所述待分类文章内容的分类结果包括长时效文章内容和短时效文章内容;
所述存储单元还具体用于,当所述待分类文章内容的分类结果为所述长时效文章内容时,确定所述待分类文章内容对应的索引的存储时间为第一存储时间;
当所述待分类文章内容的分类结果为所述短时效文章内容时,确定所述待分类文章内容对应的索引的存储时间为第二存储时间。
9.一种电子设备,其特征在于,所述电子设备包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为上述电子设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,用于执行前述权利要求1-5中任一项所述的文章内容分类方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现前述权利要求1-5中任一项所述的文章内容分类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711410056.4A CN108090201A (zh) | 2017-12-20 | 2017-12-20 | 一种文章内容分类的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711410056.4A CN108090201A (zh) | 2017-12-20 | 2017-12-20 | 一种文章内容分类的方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108090201A true CN108090201A (zh) | 2018-05-29 |
Family
ID=62178604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711410056.4A Pending CN108090201A (zh) | 2017-12-20 | 2017-12-20 | 一种文章内容分类的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090201A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633721A (zh) * | 2018-06-22 | 2019-12-31 | 富比库股份有限公司 | 运用类神经网络进行分类的电子零件封装分类*** |
CN111125543A (zh) * | 2019-12-17 | 2020-05-08 | 掌阅科技股份有限公司 | 书籍推荐排序模型的训练方法、计算设备及存储介质 |
CN111241284A (zh) * | 2020-01-15 | 2020-06-05 | 北京松果电子有限公司 | 文章内容识别方法、装置及计算机存储介质 |
CN111324735A (zh) * | 2020-02-20 | 2020-06-23 | 湖南芒果听见科技有限公司 | 一种时政要闻自动分类方法及其终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890683A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 信息提供方法及装置 |
CN105404699A (zh) * | 2015-12-29 | 2016-03-16 | 广州神马移动信息科技有限公司 | 一种搜索财经文章的方法、装置及服务器 |
CN105760526A (zh) * | 2016-03-01 | 2016-07-13 | 网易(杭州)网络有限公司 | 一种新闻分类的方法和装置 |
CN106815369A (zh) * | 2017-01-24 | 2017-06-09 | 中山大学 | 一种基于Xgboost分类算法的文本分类方法 |
CN107423339A (zh) * | 2017-04-29 | 2017-12-01 | 天津大学 | 基于极端梯度推进和随机森林的热门微博预测方法 |
-
2017
- 2017-12-20 CN CN201711410056.4A patent/CN108090201A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102890683A (zh) * | 2011-07-21 | 2013-01-23 | 阿里巴巴集团控股有限公司 | 信息提供方法及装置 |
CN105404699A (zh) * | 2015-12-29 | 2016-03-16 | 广州神马移动信息科技有限公司 | 一种搜索财经文章的方法、装置及服务器 |
CN105760526A (zh) * | 2016-03-01 | 2016-07-13 | 网易(杭州)网络有限公司 | 一种新闻分类的方法和装置 |
CN106815369A (zh) * | 2017-01-24 | 2017-06-09 | 中山大学 | 一种基于Xgboost分类算法的文本分类方法 |
CN107423339A (zh) * | 2017-04-29 | 2017-12-01 | 天津大学 | 基于极端梯度推进和随机森林的热门微博预测方法 |
Non-Patent Citations (1)
Title |
---|
姚志伟: "移动新闻客户端编辑的职能研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110633721A (zh) * | 2018-06-22 | 2019-12-31 | 富比库股份有限公司 | 运用类神经网络进行分类的电子零件封装分类*** |
CN111125543A (zh) * | 2019-12-17 | 2020-05-08 | 掌阅科技股份有限公司 | 书籍推荐排序模型的训练方法、计算设备及存储介质 |
CN111125543B (zh) * | 2019-12-17 | 2023-03-10 | 掌阅科技股份有限公司 | 书籍推荐排序模型的训练方法、计算设备及存储介质 |
CN111241284A (zh) * | 2020-01-15 | 2020-06-05 | 北京松果电子有限公司 | 文章内容识别方法、装置及计算机存储介质 |
CN111241284B (zh) * | 2020-01-15 | 2024-04-02 | 北京小米松果电子有限公司 | 文章内容识别方法、装置及计算机存储介质 |
CN111324735A (zh) * | 2020-02-20 | 2020-06-23 | 湖南芒果听见科技有限公司 | 一种时政要闻自动分类方法及其终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153856B (zh) | 用于输出信息的方法和装置 | |
Gu et al. | " what parts of your apps are loved by users?"(T) | |
CN109657054B (zh) | 摘要生成方法、装置、服务器及存储介质 | |
US20180260385A1 (en) | Symbol management | |
Vázquez et al. | A classification of user-generated content into consumer decision journey stages | |
CN104281699B (zh) | 搜索推荐方法及装置 | |
CN108090201A (zh) | 一种文章内容分类的方法、装置及电子设备 | |
CN106919661B (zh) | 一种情感类型识别方法及相关装置 | |
CN106339507B (zh) | 流媒体消息推送方法和装置 | |
CN110825876A (zh) | 电影评论观点情感倾向性分析方法 | |
US20160203498A1 (en) | System and method for identifying and scoring leads from social media | |
Herzig et al. | Predicting customer satisfaction in customer support conversations in social media using affective features | |
Lima et al. | Automatic sentiment analysis of Twitter messages | |
CN107657056B (zh) | 基于人工智能展示评论信息的方法和装置 | |
CN110474944B (zh) | 网络信息的处理方法、装置及存储介质 | |
CN108021660B (zh) | 一种基于迁移学习的话题自适应的微博情感分析方法 | |
CN110489649B (zh) | 标签关联内容的方法及装置 | |
CN107943914A (zh) | 语音信息处理方法和装置 | |
CN104951807B (zh) | 股市情绪的确定方法和装置 | |
CN110197389A (zh) | 一种用户识别方法及装置 | |
CN107862058B (zh) | 用于生成信息的方法和装置 | |
CN113542801B (zh) | 主播标识的生成方法、装置、设备、存储介质及程序产品 | |
CN104484336A (zh) | 一种中文评论分析方法及其*** | |
CN104951434B (zh) | 品牌情绪的确定方法和装置 | |
CN111782793A (zh) | 智能客服处理方法和***及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180529 |
|
RJ01 | Rejection of invention patent application after publication |