[发明专利]基于栏目主题的文章处理方法和装置

说明书

本发明公开了一种基于栏目主题的文章处理方法和装置。其中，该方法包括：对待判断文章进行分词，得到分词结果；从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，并计算属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比；判断属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比是否满足预设条件，得到判断结果；根据判断结果确定待判断文章是否与所述栏目主题相符。本发明解决了现有技术中在处理栏目中的文章与栏目主题不相关的问题时，产生的被动性和滞后性的技术问题。

技术领域

本发明涉及计算机互联网领域，具体而言，涉及一种基于栏目主题的文章处理方法和装置。

背景技术

目前，网站的栏目归属错误是指一篇文章被发布到了和语义不相关的主题下，比如，将一篇篮球的新闻发布到了足球的栏目下，这是一种很常见的网站内容错误，虽然这种错误相比于其他错误出现的概率要小，但是对于某些类型的网站，比如政务网站，文章栏目归属错误属于网站质量的一种评价指标，这种错误会对网站带来不好的声誉，再比如一些论坛，由于网民的无组织性，栏目里出现不相关的文章甚至推销广告内容的概率就大很多，直接影响网站的流量。

在现有技术中，针对文章栏目归属错误，最常见的处理手段为网站提供人工反馈机制，在网民发现网站的内容与其栏目不相关，并主动告知网站站主后，网站站主才能去处理有问题的文章，这种处理方式较为被动，而且寄希望于网民的积极性，很多情况下，网民即使发现有栏目归属错误的现象，也不会反馈；从另一个角度来看，在有网民反馈的情况下，可能栏目归属错误的问题已经造成了不好的影响，因此具有滞后性。

针对现有技术中在处理栏目中的文章与栏目主题不相关的问题时，产生的被动性和滞后性的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于栏目主题的文章处理方法和装置，以至少解决现有技术中在处理栏目中的文章与栏目主题不相关的问题时，产生的被动性和滞后性的技术问题。

根据本发明实施例的一个方面，提供了一种基于栏目主题的文章处理方法，包括：对待判断文章进行分词，得到分词结果，其中，分词结果至少包括：分词词汇和每一个分词词汇的词频；从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，并计算属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比；判断属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比是否满足预设条件，得到判断结果；根据判断结果确定待判断文章是否与栏目主题相符。

根据本发明实施例的另一方面，还提供了一种基于栏目主题的文章处理装置，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，分词结果至少包括：分词词汇和每一个分词词汇的词频；计算模块，用于从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，并计算属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比；判断模块，用于判断属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有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，用于根据判断结果确定待判断文章是否与栏目主题相符。

在本发明实施例中，采用通过对待判断文章进行分词，得到分词结果，从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，并计算属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比；判断属于预构建的栏目主题词库的分词词汇在待判断文章中的词频以及在所有分词词汇中的占比是否满足预设条件，得到判断结果；根据判断结果确定待判断文章是否与栏目主题相符的方法，达到把栏目看作以分词词汇为代表的主题的目的，从而实现了确定待判断文章与栏目的主题是否相符的技术效果，进而解决了现有技术中在处理栏目中的文章与栏目主题不相关的问题时，产生的被动性和滞后性的技术问题。

附图说明