[发明专利]直播行业新闻与分区匹配方法、装置、服务器及存储介质

权利要求书

1.一种直播行业新闻与分区匹配方法，其特征在于：步骤包括：

获取直播分区内的文本，根据所述文本创建直播分区的语料库，对语料库中文本数据进行分词处理得到直播分区词语；

确定直播分区词语的权重；

所述直播分区内词语的权重的计算公式为：

其中，W_ij是第j条直播分区文本中第 i 个词的权重值；

n_ij表示第 j 条直播分区文本中第 i 个词出现的频数；

n_j为第 j 条直播分区文本中的总词数；

N_i表示出现过第 i 个词的直播分区文本数；

N表示总的直播分区文本数；

获取新闻文本，对新闻文本进行分词和去停词处理得到新闻词语，根据新闻词语创建新闻词库；

对新闻词语进行TF-IDF加权，确定新闻词语的权重；

将直播分区语料库与各新闻词库进行词语匹配，对于每条新闻，根据匹配重合的词语在所述新闻中的权重与在直播分区中的权重，确定直播分区内的文本相对于所述新闻的相似度；选取相似度值最高的文本对应的直播分区作为所述新闻所匹配的直播分区；

所述相似度的计算公式为：

；

其中，n表示新闻，c表示直播分区文本；

sim(n,c)是直播分区文本c相对于新闻n的相似度；

w_k是直播分区文本c内可以匹配到的第 k 个词的权重；

v_k是新闻n内可以匹配到的第 k 个词的权重；

的直播分区文本c对应的直播分区作为新闻n的匹配结果。

2.如权利要求1所述的直播行业新闻与分区匹配方法，其特征在于：获取直播分区内的文本，根据所述文本创建直播分区的语料库，对语料库中文本数据进行分词处理得到直播分区词语包括如下步骤：

获取直播分区内的文本，根据所述文本创建直播分区的语料库，统计直播分区语料库内的文本总数；

对语料库中文本数据进行分词处理得到直播分区词语，统计每条文本的词语总数；

对于每个直播分区词语，统计所述词语在每条文本中出现的频数、以及语料库中出现所述词语的文本总数。

3.如权利要求1所述的直播行业新闻与分区匹配方法，其特征在于：所述获取新闻文本，对新闻文本进行分词和去停词处理得到新闻词语，根据新闻词语创建新闻词库包括如下步骤：

获取新闻文本，统计新闻文本总数；

对新闻文本进行分词和去停词处理得到新闻词语，根据新闻词语创建新闻词库，统计每篇新闻文本中的词数；

对于词库中的每个词语，统计所述词语在每篇新闻文本中出现的频数、以及出现所述词语的新闻文本总数。

4.如权利要求1或3所述的直播行业新闻与分区匹配方法，其特征在于：所述对新闻词语进行TF-IDF加权步骤，并对TF-IDF计算得到的IDF值进行阈值筛选以及TF与IDF的乘积进行阈值筛选。

5.如权利要求1或3所述的直播行业新闻与分区匹配方法，其特征在于：所述新闻词库内词语的权重的计算公式为：

，

TF=，IDF=；

其中，v_ij是第j篇新闻文本中词语i的权重值；

n_ij是第 j 篇新闻文本中第 i 个词出现的频数；

n_j为第 j 篇新闻文本中的总词数；

N_i表示出现过第 i 个词的新闻文本数；

N表示总的新闻文本数。