[发明专利]一种基于余弦相似度的模板库生成方法、系统及存储介质

权利要求书

1.一种基于余弦相似度的体育新闻模板库生成方法，其特征在于：所述方法包括：

S1、对若干体育新闻进行处理，提取出写作模板句；

S2、利用余弦相似度对所述模板进行归并，去除重复模板；

S3、给每个模板构建其触发条件，从而完成模板库的构建。

2.根据权利要求1所述的方法，其特征在于：步骤S1中，对若干体育新闻进行处理，提取出写作模板句，包括：对体育新闻进行句子划分，去除其中的事件实体和比赛实时描述，从而得到所述写作模板句；其中，所述的事件实体包括球员名、球队名、比分、比赛时间。

3.根据权利要求1所述的方法，其特征在于：步骤S2中，利用余弦相似度对所述模板进行归并，去除重复模板，包括：

S21，对每个所述写作模板句进行分词处理以得到若干词语；

S22，列出任意两个所述写作模板句中所有的词语；

S23，计算各词语在所述两个写作模板句中的词频；

S24，基于所述词频构建每个写作模板句的词频向量；

S25，采用余弦相似度计算两个所述写作模板句的相似度，将相似度大于第二阈值的两个所述写作模板句进行归并，从而实现去除重复模板；

S26，对于其他所述写作模板句，重复执行步骤S22-S25，直至完成所有所述写作模板句的相似度计算。

4.根据权利要求3所述的方法，其特征在于：所述余弦相似度计算公式为：

其中，x_i、y_i为所述词频向量中各词语在两个所述写作模板句中的词频即子向量；cos(θ)的值越大，则越相似。

5.根据权利要求3所述的方法，其特征在于：所述步骤S2还包括对语义相似模板进行规一化处理步骤：

S220，对于所述分词处理后的若干词语，采用Word2Vec工具将词语映射到K维向量空间；

S221，计算任意两个所述词语的向量空间相似度；

S222，如果所述相似度阈值第一阈值，则在步骤S23中将两个所述词语的词频相加，并归属于其中任意一个词语，并执行步骤S24。

6.根据权利要求1所述的方法，其特征在于：步骤S3中，包括基于CRF进行触发词识别的步骤：

选取词、词性、角色为特征；采用B、I、E、O作为触发词的标注符号，其中B表示触发词的首字，I表示中间词，E表示基触发词的尾字，O表示非触发词，并分别采用单一特征模板和复合特征模板对触发词进行识别。

7.根据权利要求6所述的方法，其特征在于：所述触发条件表示在某个时间段内描述事实的条件，记作CS，所述触发词表示描述CS所使用的词语。

8.一种体育新闻写作模板库构建系统，其特征在于：所述系统包括提取模块、去重模块、构建模块；

所述提取模块，用于对若干体育新闻进行处理，提取出写作模板句；

所述去重模块，用于利用余弦相似度对所述模板进行归并，去除重复模板；

所述构建模块，用于给每个模板构建其触发条件，从而完成模板库的构建。

9.一种体育新闻写作模板库构建设备，其特征在于，所述设备包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的基于余弦相似度的体育新闻模板库生成方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于余弦相似度的体育新闻模板库生成方法。