[发明专利]新闻正文噪音去除方法及系统有效
申请号: | 201710162163.3 | 申请日: | 2017-03-17 |
公开(公告)号: | CN106897271B | 公开(公告)日: | 2020-05-22 |
发明(设计)人: | 晋国盼;刘海龙;郗家贞 | 申请(专利权)人: | 北京搜狐新媒体信息技术有限公司 |
主分类号: | G06F40/205 | 分类号: | G06F40/205;G06F16/2457;G06F16/215;G06F16/27;G06F16/22;G06F16/335 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 赵兴华;王宝筠 |
地址: | 100084 北京市海淀区中*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供新闻正文噪音去除方法及装置。该方法包括:获取预设时长内、来自同一新闻来源的多个新闻正文样本;从所述多个新闻正文样本中选出N个新闻正文样本;从所述N个新闻正文样本中查找噪声段落作为噪音样本,放入噪音集合;所述噪声段落包括:n个新闻正文样本中存在的相同段落,n大于等于3;使用噪音集合中的噪声样本,对目标新闻正文进行噪音去除处理;所述目标新闻正文为来自所述新闻来源的待去噪新闻正文。在本发明提供的方案中,是将预设时长内、同一新闻来源的n个新闻正文样本中的相同段落作为噪声样本,并使用噪声样本进行噪音去除处理。在此过程中,不再需要手工配置xpath,提高了噪音去除效率。 | ||
搜索关键词: | 新闻 正文 噪音 去除 方法 系统 | ||
【主权项】:
一种新闻正文噪音去除方法,其特征在于,包括:获取预设时长内、来自同一新闻来源的多个新闻正文样本;从所述多个新闻正文样本中选出N个新闻正文样本;从所述N个新闻正文样本中查找噪声段落,将所述噪声段落作为噪音样本放入噪音集合;所述噪声段落包括:n个新闻正文样本中存在的相同段落,n为小于N大于等于3的正整数;所述噪音集合中的噪声样本用于对目标新闻正文进行噪音去除处理,得到去除噪音的新闻正文;所述目标新闻正文为来自所述新闻来源的待去噪新闻正文。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京搜狐新媒体信息技术有限公司,未经北京搜狐新媒体信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710162163.3/,转载请声明来源钻瓜专利网。