[发明专利]基于栏目主题的文章处理方法和装置

权利要求书

1.一种基于栏目主题的文章处理方法，其特征在于，包括：

对待判断文章进行分词，得到分词结果，其中，所述分词结果至少包括：分词词汇和每一个所述分词词汇的词频；

从所述分词结果中筛选出属于预构建的栏目主题词库的分词词汇，并计算所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频以及在所有所述分词词汇中的占比；

判断所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频以及在所有所述分词词汇中的占比是否满足预设条件，得到判断结果；

根据所述判断结果确定所述待判断文章是否与所述栏目主题相符。

2.根据权利要求1所述的方法，其特征在于，在对待判断文章进行分词，得到分词结果之前，包括：

构建所述栏目主题词库；

其中，构建所述栏目主题词库的方式包括至少如下之一：

从所述栏目的历史文章中选择出现概率满足预设第一条件的词汇，构成所述栏目主题词库；

获取与所述栏目的网站属于同种类型的网站，从所述同种类型的网站下的同种栏目的文章中选择出现概率满足预设第二条件的词汇，构成所述栏目主题词库；

获取已有的与所述栏目主题匹配的词汇库，构成所述栏目主题词库。

3.根据权利要求2所述的方法，其特征在于，从所述栏目的历史文章中选择出现概率满足预设第一条件的词汇构成所述栏目主题词库，包括：通过TD-IDF的方法，从所述栏目的历史文章中选择TD-IDF值满足预设第一数值的词汇构成所述栏目主题词库；

从所述同种类型的网站下同种栏目的文章中选择出现概率满足预设第二条件的词汇构成所述栏目主题词库，包括：通过TD-IDF的方法，从所述同种类型的网站下同种栏目的文章中选择TD-IDF值满足预设第二数值的词汇构成所述栏目主题词库。

4.根据权利要求1所述的方法，其特征在于，计算所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频，包括：

将所述属于预构建的栏目主题词库的分词词汇中所有所述分词词汇的词频相加，得到所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频。

5.根据权利要求1所述的方法，其特征在于，判断所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频以及在所有所述分词词汇中的占比是否满足预设条件，包括：

判断所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频是否大于预设词频，以及所述属于预构建的栏目主题词库的分词词汇在所有所述分词词汇中的占比是否大于预设占比。

6.根据权利要求5所述的方法，其特征在于，根据所述判断结果确定所述待判断文章是否与所述栏目主题相符，包括：

在所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频大于所述预设词频，以及所述属于预构建的栏目主题词库的分词词汇在所有所述分词词汇中的占比大于所述预设占比的情况下，确定所述待判断文章与所述栏目的主题相符；

在所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频小于等于所述预设词频，以及所述属于预构建的栏目主题词库的分词词汇在所有所述分词词汇中的占比小于等于所述预设占比的情况下，确定所述待判断文章与所述栏目的主题不相符。

7.一种基于栏目主题的文章处理装置，其特征在于，包括：

分词模块，用于对待判断文章进行分词，得到分词结果，其中，所述分词结果至少包括：分词词汇和每一个所述分词词汇的词频；

计算模块，用于从所述分词结果中筛选出属于预构建的栏目主题词库的分词词汇，并计算所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频以及在所有所述分词词汇中的占比；

判断模块，用于判断所述属于预构建的栏目主题词库的分词词汇在所述待判断文章中的词频以及在所有所述分词词汇中的占比是否满足预设条件，得到判断结果；

确定模块，用于根据所述判断结果确定所述待判断文章是否与所述栏目主题相符。