long8官方网站下载安装娱乐
  咨询电话:15890564448

long88官方网站

一种新闻主题分类方法

一种新闻主题分类方法

本发明公开了一种新闻主题分类方法,其特征在于,包括如下步骤:步骤一:根据新闻的主题类别建立种子词典;步骤二:对新闻的标题进行分词处理,提取标题关键词;步骤三:通过多个基于互联网的搜索引擎服务器对所述标题关键词进行元搜索;步骤四:在元搜索的结果中对所述种子关键词进行频次统计;步骤五:根据元搜索的结果中种子关键词出现的频次判定新闻最终的主题类别。本发明的一种新闻主题分类方法可以大大缩短分类时间,有效降低人工成本,且对历史数据不产生依赖性,整个分类过程所用的时间更短,分类结果也更加可靠,可以对新闻进行多类分类,在实际情形中更具通用性。

步骤二:对新闻的标题进行分词处理,提取标题关键词;

新闻主题分类是根据所设定的主题类别对新闻进行文本自动分类的过程。新闻的主题即是最终分类的类别。新闻主题分类在互联网诸多的门户网站上得到了广泛地应用,例如,大型新闻门户网站新浪网上的新闻被划分为社会、军事、体育、娱乐等主题类别。

前述的一种新闻主题分类方法,其特征在于,所述步骤三包括:

为了实现上述目标,本发明采用如下的技术方案:

一种新闻主题分类方法,其特征在于,包括如下步骤:

本发明涉及一种新闻主题分类方法,具体涉及一种利用计算机技术对互联网上的新闻进行主题分类的方法,本发明属于计算机技术领域。

现在,对表一的种子词典中每个主题类别在元搜索的结果中出现的频次进行比较,比较后的结果可能会出现两种情况:第一种情况,元搜索的结果中存在一个出现频次最多的主题类别,则判定所述出现频次最多的主题类别作为新闻最终的主题类别。比如统计后发现主题类别“社会”在元搜索的结果中出现的频次比其他主题类别要多,那么判定主题类别“社会”作为新闻最终的主题类别;第二种情况,元搜索的结果中存在多个频次并列最多的主题类别,则将所述频次并列最多的主题类别均作为新闻最终的主题类别。比如在上面的举例中,表一中的种子词典中还存在一个主题类别“娱乐”,主题类别“娱乐”在元搜索的结果中出现的频次也为8,且假设所有主题类别在元搜索的结果中出现的最高频次就是8,且在元搜索的结果中只有主题类别“社会”和“娱乐”在元搜索的结果中出现频次为8,此时就出现2个频次并列最多的主题类别“社会”和“娱乐”,就将主题类别“社会”和“娱乐”均作为新闻最终的主题类别,本发明由此可以实现多类分类,相比于现有技术中只能实现单类分类的机器学习分类方法相比,本发明在实际情形中更具通用性。

发明内容

本发明中,筛选种子关键词遵循的主要原则是筛选的种子关键词既需要有代表性又需要有很好的区分能力,例如,“社会”主题的种子关键词可以是:民生、民情、案件、城管、拖欠、农民工、干旱、贪污、拆迁、上访、罢工...;“财经”主题的种子关键词可以是:投资、理财、银行、基金、股市、财富、商业、贸易...;“体育”主题的种子关键词可以是:英超、意甲、运动员、国家队、中锋、后卫、世界杯...,其它主题类别的种子关键词的筛选与此类似,可以根据人工分类经验进行有效设定。在筛选出种子关键词之后,可以建立起关键词与主题类别之间的对应关系(种子词典),一个种子关键词对应一个主题类别,每个主题类别对应有多个种子关键词。

联系我们

联系人:

手 机:13569048803

邮 箱:fbnhy@gmail.com

公 司:long8官方网站下载安装娱乐

地 址:西藏自治省拉萨市冲赛康西区06号