(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210417138.6 (22)申请日 2022.04.20 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 王安宁　丁贾明　邓云翀　王俊杰　 马涛　贾子垚　张强　 (74)专利代理 机构 北京久诚知识产权代理事务 所(特殊普通 合伙) 11542 专利代理师 王云海 (51)Int.Cl. G06F 16/35(2019.01) G06F 16/36(2019.01) G06F 40/295(2020.01) G06K 9/62(2022.01) (54)发明名称 融合领域知识的细分行业新闻快速分类方 法与系统 (57)摘要 本发明提供一种融合领域知识的细分行业 新闻快速分类方法和系统， 涉及文本分类领域。 本发明中： S1、 采集并预处理面向细分行业的新 闻； S2、 采用命名实体识别方式获取新闻标题对 应的第一命名实体集， 对所述第一命名实体集中 每一个实体， 从预先构建的非对称实体 关联网络 中抽取第一实体 关联集， 若所述第一实体关联集 为非空集， 则转入S3； S3、 根据所述第一命名实体 集和第一实体 关联集， 采用朴素贝叶斯算法计算 所述新闻标题对应的每个分类类别的条件概率； 若条件概率大于第一阈值， 获取该新闻的初步分 类。 所述非对称关系网络图包含了面向细分行业 的大规模实体及其相互关系， 仅通过新闻标题初 步分类得到对应的新闻类别， 在一定程度上提高 了新闻分类 速度。 权利要求书2页 说明书10页 附图2页 CN 115033686 A 2022.09.09 CN 115033686 A 1.一种融合领域知识的细分行业 新闻快速分类方法， 其特 征在于， 包括： S1、 采集并预处 理面向细分行业的新闻； S2、 采用命名实体识别方式获取新闻标题对应的第一命名实体集， 对所述第一命名实 体集中每一个实体， 从预先构建的非对称实体关联网络中抽取第一实体关联集， 若所述第 一实体关联集 为非空集， 则转入S3； S3、 根据所述第一命名实体集和第一实体关联集， 采用朴素贝叶斯算法， 计算所述新闻 标题对应的每 个分类类别的条件概 率； 若条件概 率大于第一阈值， 获取 该新闻的初步分类。 2.如权利要求1所述的细分行业新闻快速分类方法， 其特征在于， 若所述S3 中条件概率 小于等于第一阈值， 则转入S4～6； S4、 采用命名实体识别方式获取新闻正文摘要对应的第二命名实体集， 对所述第二命 名实体集中的每一个实体， 从所述非对称实体关联网络抽取第二实体关联集； S5、 联合所述第一命名实体集和第二命名实体集， 以及所述第一实体关联集和第二实 体关联集， 融合所述非对称实体关联网络中的关系强度， 获取各个实体的第一联合嵌入表 示； S6、 根据所述第一联合嵌入表示， 采用注意力机制获取 该新闻的第一深度分类。 3.如权利要求2所述的细分行业 新闻快速分类方法， 其特 征在于， 所述S5包括： 第一命名实体集E＝ET∪EM， 其中ET表示第一命名实体集， EM表示第一实体关联集； 第一 实体关联集E ′＝E′T∪E′M， 其中E′T表示第一命名实体集， E ′M表示第一实体关联集； 采用实体嵌入分别对E和E ′中的每一个实体进行嵌入表示得到 和 并融合非对 称实体关联网络中的关系强度， 得到每一个实体ei的第一联合嵌入表示xi； 其中， μ∈(0,1)， μ表示用于平衡 和 重要性的超参数。 4.如权利要求1所述的细分行业新闻快速分类方法， 其特征在于， 若S2中所述第 一实体 关联集为空集， 则转入S3 ’～5’； S3’、 采用命名实体识别方式获取新闻正文摘要对应的第 二命名实体集， 对所述第二命 名实体集中的每一个实体， 从所述非对称实体关联网络抽取第二实体关联集； S4’、 根据所述第二命名实体集和第二实体关联集， 融合所述非对称实体关联网络中的 关系强度， 获取 各个实体的第二联合嵌入表示； S5’、 根据所述第二联合嵌入表示， 采用注意力机制获取 该新闻的第二深度分类。 5.如权利要求1～4任一项所述的细分行业新闻快速分类方法， 其特征在于， 所述非对 称实体关联网络的构建过程包括： S10、 定义所述 面向细分行业内实体 类别并识别命名实体， 获取第三命名实体集； S20、 以所述第三命名实体集的实体为节点， 实体间非对称关系强度为有向边， 构建所 述非对称实体关联网络 。 6.如权利要求5所述的细分行业 新闻快速分类方法， 其特 征在于， 所述S10具体包括： S101、 实体 类别定义；权　利　要　求　书 1/2 页 2 CN 115033686 A 2基于所述非对称实体关联网络 图的实际用途， 并结合该细分行业专家 的指导意见， 定 义领域实体 类别； S102、 命名实体识别； 首先， 基于该细分行业的新闻语料库， 随机抽取若干条文本数据作为标注对象， 以命名 实体识别的标注标准为依据， 形成实验数据集； 然后， 采用监督学习 方法识别命名实体， 获 取所述第三命名实体集。 7.如权利要求5所述的细分行业 新闻快速分类方法， 其特 征在于， 所述S20中： 基于大规模新闻语料库， 根据实体在同一篇新闻中出现的次数计算所述非对称关系强 度； 其中， P(Ei∪Ej)表示实体Ei和Ej在大规模新闻语料库中同时出现 的概率， P(Ej)表示实 体Ej在大规模语料库中单独出现的概率， 表示非对称实体关联网络图中实体Ei对 实体Ej的关系强度； 通过保留 值大于第二阈值θ的关系， θ为经验值， 从而构建所述的非对称实体 关联网络 。 8.一种融合领域知识的细分行业 新闻快速分类系统， 其特 征在于， 包括： 预处理模块， 用于执 行S1、 采集并预处 理面向细分行业的新闻； 实体抽取模块， 用于执行S2、 采用命名实体识别方式获取新闻标题对应的第一命名实 体集， 对所述第一命名实体集中每一个实体， 从预先构建的非对称实体关联网络中抽取第 一实体关联集， 若所述第一实体关联集 为非空集， 则转入新闻分类模块执 行S3； 新闻分类模块， 用于执行S3、 根据所述第一命名实体集和第一实体关联集， 采用朴素贝 叶斯算法， 计算所述新闻标题对应的每个 分类类别的条件概率； 若 条件概率大于第一阈值， 获取该新闻的初步分类。 9.一种存储介质， 其特征在于， 其存储有用于融合领域知识的细分行业新闻快速分类 的计算机程序， 其中， 所述计算机程序使得计算机执行如权利要求1～7任一项所述的细分 行业新闻快速分类方法。 10.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器； 以及 一个或多个程序， 其中所述一个或多个程序被存储在所述存储器中， 并且被配置成由 所述一个或多个处理器执行， 所述程序包括用于执行如权利要求 1～7任一项 所述的细分行 业新闻快速分类方法。权　利　要　求　书 2/2 页 3 CN 115033686 A 3