[发明专利]一种数字资源热点生成方法及装置

说明书

本发明提供一种数字资源热点生成方法，首先，从数字资源中提取标题和正文；然后分别获取标题相似度矩阵和正文相似度矩阵；通过分别聚类获得标题候选热点集和正文候选热点集；最后，根据所述标题候选热点集和所述正文候选热点集获取候选热点集。该方案中，使用正文信息和标题信息来进行热点推荐，正文信息和标题信息采用不同的方式处理，相互作为补充和依据，使得获得的热点更加准确，避免了现有技术中对主题词表和新词发现的需求，减弱热点发现对热点个数和经验参数的依赖，实现了面向数字报刊的热点新闻自动发现。

技术领域

本发明涉及数字资源处理领域，具体涉及一种数字资源热点自动生成方法及装置。

背景技术

随着互联网的迅猛发展，数字资源成为人们获取信息的重要途径之一，数字报刊的阅读也日益普及。同时，随着生活节奏的加快，用户对高效阅读的需求更加强烈，如何从海量的数字资源中获取有价值的信息变得尤为重要。面对每日更新的新闻报道，快速自动发现热点并推荐给用户成为实现高效阅读的可行途径。由于数字资源的信息量巨大，人工干预进行热点推荐无疑需要花费大量的人力和时间，因此利用新闻报道自身信息实现热点新闻的自动发现成为亟待解决的问题。

传统的热点发现技术大多需要事先进行主题词提取、给定热点个数或设置各种经验参数。该类方法对主题词的选择及新词发现具有很强的依赖性，从而导致处理新词频出的报刊文本时效果欠佳，且参数的选择会严重影响热点发现的效果，对热点个数和经验参数具有一定的依赖，需要预先设定聚类数目，对热点个数也没有很好的自适应性。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中热点发现技术效果差、需要预先设置参数依赖性强的缺陷。

本申请提供一种数字资源热点生成方法，包括如下步骤

从数字资源中提取标题和正文；

分别获取标题相似度矩阵和正文相似度矩阵；

对所述标题相似度矩阵进行聚类，根据标题相似度聚类结果获得标题候选热点集；

对所述正文相似度矩阵进行聚类，根据正文相似度聚类结果获得正文候选热点集；

根据所述标题候选热点集和所述正文候选热点集获取候选热点集。

优选地，获取候选热点集后，还包括根据候选热点集中的每个集合内数字资源的数目以及数字资源的属性信息确定集合的排序，将排序在前的预设数量的集合作为热点。

优选地，根据标题相似度聚类结果获得标题候选热点集的步骤包括：

获取标题相似度聚类结果中每个集合中的数字资源的数量；

若所述数量小于第一阈值，则删除该集合；

若所述数量位于第一阈值和第二阈值之间，则将该集合加入所述标题候选热点集中；

若所述数量大于第二阈值，则进行二次聚类，得到二次聚类结果，获取二次聚类结果中每个集合中的数字资源的数量，若该数量小于所述第一阈值，删除该集合，若该数量位于第一阈值和第二阈值之间，则将该集合加入所述标题候选热点集，若该数量大于所述第二阈值，则删除该集合。

优选地，根据正文相似度聚类结果获得正文候选热点集的步骤包括：

获取正文相似度聚类结果中每个集合中的数字资源的数量；

若所述数量小于第一阈值，则删除该集合；

若所述数量位于第一阈值和第二阈值之间，则将该集合加入所述正文候选热点集中；