[发明专利]对多个稿件进行聚类的方法和设备

说明书

本申请涉及对多个稿件进行聚类的方法和设备。该方法包括：根据新闻分类法的分类建立稿件分类空间，其中，稿件分类空间是指以新闻分类法所划分的类别作为维度建立的空间；提取每个稿件中的关键词；根据提取的关键词的频率建立稿件坐标，从而将每个稿件映射为稿件分类空间中的点；计算稿件之间的距离，将距离小于距离阈值的稿件确定为一类。通过本申请的方法，能够对大量的新闻稿件自动进行聚类，节省了人力。

技术领域

本申请涉及对多个稿件进行聚类的方法和设备。

背景技术

当今社会，信息量呈几何数量增长，每天都会产生大量的记录、研究各种领域诸如新闻、历史、科技等等的文档或稿件，有些时候需要对这些稿件进行分类。

例如，对于报社、新闻网站等来说，每天会收到大量的新闻稿件，并且为了更准确的报导可能需要对新闻稿件进行分类。由于新闻稿件的时效性很强，尽快地对新闻稿件进行分类是十分重要的。如果通过人工对所有稿件进行分类，则会产生繁重的工作量，从而导致新闻的时效性难以保证。如果通过自动聚类的方法先将大量的新闻稿件分为几类，再经过人工调整，则会节省大量的人工工作量。

因此，存在对多个稿件自动进行聚类的方法和设备的需求。

发明内容

为了解决上述问题，本申请提供了对多个稿件进行聚类的方法和设备，从而能够对大量的新闻稿件自动进行聚类，节省了人力。

根据本申请的第一方面，提供了一种对多个稿件进行聚类的方法，包括：

根据新闻分类法的分类建立稿件分类空间，其中，所述稿件分类空间是指以所述新闻分类法所划分的类别作为维度建立的空间；

提取每个稿件中的关键词；

根据提取的关键词的频率建立稿件坐标，从而将每个稿件映射为稿件分类空间中的点；

计算所述多个稿件中的第一稿件所映射的点在稿件分类空间中分别与其他稿件所映射的点之间的距离，确定所计算出的距离中是否存在小于预定的第一距离阈值的值；以及

如果存在，则将小于所述第一距离阈值的值所对应的稿件确定为和所述第一稿件属于相同的第一类。

根据本申请的第二方面，提供了一种对多个稿件进行聚类的设备，包括：

建立模块，被配置以根据新闻分类法的分类建立稿件分类空间，其中，所述稿件分类空间是指以所述新闻分类法所划分的类别作为维度建立的空间；

提取模块，被配置以提取每个稿件中的关键词；

映射模块，被配置以根据提取的关键词的频率建立稿件坐标，从而将每个稿件映射为稿件分类空间中的点；

计算模块，被配置以计算所述多个稿件中的第一稿件所映射的点在稿件分类空间中分别与其他稿件所映射的点之间的距离，确定所计算出的距离中是否存在小于预定的第一距离阈值的值；以及

聚类模块，被配置以将小于所述第一距离阈值的值所对应的稿件确定为和所述第一稿件属于相同的第一类。

附图简要说明

图1是根据本申请实施方式的对多个稿件进行聚类的方法的流程图；以及

图2是根据本申请实施方式的对多个稿件进行聚类的设备的示意图。

具体实施方式

下面结合实施例和附图对根据本申请实施方式的对多个稿件进行聚类的方法和设备进行详细描述。

在本申请中，“新闻分类法”是指根据新闻的种类对稿件进行分类的方法，例如，可以将稿件分类为财经、体育、科技、政治、娱乐类等，还可以将体育分类为足球、篮球、网球、体操等。