[发明专利]新闻聚合与智能实体关联的方法

摘要

本发明公开了一种新闻聚合与智能实体关联的方法，通过轮询用户感兴趣的网站上的新增新闻，采用爬虫抓取网页，并利用支持向量机进行0‑1分类以提取新闻正文，对新闻正文进行自然语言处理后，对文本中出现的人物和地理名称在Wikidata知识图谱中搜索对应实体，通过上位词确定实体类型，将新闻六元组(标题，时间，URL，正文，人物实体，地理实体)存入本地文档数据库，在用户搜索相关实体时，列出相关新闻，并通过地图展示关联到Wikida的新闻地点，通过卡片展示关联到Wikida中的人物档案。通过本发明的技术方案，提供了一种关联知识推送的具有背景知识的增强型新闻阅读方式，改善了用户的阅读体验。

主权项

1.一种新闻聚合与智能实体关联的方法，其特征在于，包括：对所配置的RSS新闻源进行轮询爬取，获取所述RSS新闻源的新闻列表，并遍历所述新闻列表中的每条新闻生成对应的新闻三元组；对所述新闻列表中的新闻进行哈希值去重，采用爬虫爬取去重后的新闻网页；利用支持向量机对所述新闻网页进行分类识别，以提取新闻正文；对所述新闻正文进行自然语言处理，以将非结构化文本流转化为具有实体标签的词串；在Wikidata知识图谱中搜索与所述词串中的人物名称和地理名称对应的实体，实现所述人物名称和所述地理名称与Wikidata中所述实体的关联；将所述新闻网页对应的新闻六元组存储入文档型数据库中；在接收到用户对所述实体的搜索指令时，列出所述新闻网页，并通过地图展示对应的地理名称所关联的Wikidata中地点信息、通过卡片展示所述Wikidata中对应的人物名称资料，其中，所述新闻三元组包括标题、时间和URL，所述新闻六元组包括标题、时间、URL、正文、人物实体和地理实体。