本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別涉及一種新聞聚合方法及新聞聚合服務(wù)器。

背景技術(shù)：

隨著信息技術(shù)的發(fā)展和網(wǎng)絡(luò)的全球化，在線新聞越來(lái)越受歡迎并成為人們?nèi)粘Ｉ钪蝎@取信息的一種重要途徑，人們可以利用瀏覽器從一些知名的網(wǎng)站如新浪、網(wǎng)易、雅虎、CNN、AOL和MSNBC等獲取新聞。隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，這些網(wǎng)站也發(fā)布了自己的移動(dòng)應(yīng)用，用戶也可以通過(guò)這些移動(dòng)應(yīng)用獲取相應(yīng)網(wǎng)站的新聞。

當(dāng)用戶通過(guò)瀏覽器或使用移動(dòng)應(yīng)用來(lái)獲取新聞時(shí)，由于提供新聞的網(wǎng)站和移動(dòng)應(yīng)用數(shù)量較多，包括的新聞內(nèi)容也各種各樣，用戶需要逐個(gè)瀏覽網(wǎng)站或者逐個(gè)啟動(dòng)移動(dòng)應(yīng)用來(lái)獲取新聞，則對(duì)于用戶來(lái)說(shuō)較為不便利。目前已經(jīng)出現(xiàn)了新的移動(dòng)應(yīng)用，這類(lèi)應(yīng)用聚合各種來(lái)源的新聞、并最終形成一個(gè)統(tǒng)一的新聞列表以向用戶展示，便于用戶瀏覽新聞。

然而，由于新聞的來(lái)源不同，新聞的格式也會(huì)不同。例如一些新聞并不具有新聞簡(jiǎn)要描述部分，而還有一些新聞可能并沒(méi)有配備對(duì)應(yīng)的新聞圖片。因此，當(dāng)具有來(lái)自各個(gè)來(lái)源的新聞以提供新聞列表時(shí)，一方面可能出現(xiàn)在新聞?wù)捻?yè)面中只有文字沒(méi)有圖片的情形，另一方面還會(huì)出現(xiàn)列表中的部分新聞具有配圖而部分新聞缺少配圖、以及部分新聞缺乏新聞簡(jiǎn)介等問(wèn)題，導(dǎo)致整個(gè)新聞列表界面排版混亂，用戶體驗(yàn)較差。

技術(shù)實(shí)現(xiàn)要素：

為此，本發(fā)明提供一種新聞聚合的技術(shù)方案，以力圖解決或者至少緩解上面存在的問(wèn)題。

根據(jù)本發(fā)明的一個(gè)方面，提供一種新聞聚合方法，適于在新聞聚合服務(wù)器中執(zhí)行，該方法包括如下步驟：從各個(gè)新聞源采集多個(gè)新聞數(shù)據(jù)，每個(gè)新聞數(shù)據(jù)包括新聞標(biāo)題、發(fā)布時(shí)間、圖片URL、新聞?wù)?、新聞?wù)?、新聞配圖、新聞分類(lèi)和新聞來(lái)源名稱(chēng)中至少一種；對(duì)每個(gè)新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取，根據(jù)從新聞數(shù)據(jù)中抽取出的內(nèi)容形成新聞?wù)捻?yè)面；如果抽取出的內(nèi)容中存在圖片URL，則直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖；如果抽取出的內(nèi)容中不存在圖片URL，則根據(jù)新聞來(lái)源名稱(chēng)調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖；將新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面并進(jìn)行存儲(chǔ)；組合所存儲(chǔ)的多個(gè)配圖新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合。

可選地，在根據(jù)本發(fā)明的新聞聚合方法中，直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖包括：判斷圖片URL的數(shù)量是否大于1；如果圖片URL的數(shù)量大于1，則獲取圖片URL對(duì)應(yīng)的圖片的分辨率和其在新聞?wù)闹械呐判蛭恢?，并基于分辨率和排序位置選出最優(yōu)配圖；如果圖片URL的數(shù)量等于1，則圖片URL對(duì)應(yīng)的圖片即為最優(yōu)配圖。

可選地，在根據(jù)本發(fā)明的新聞聚合方法中，根據(jù)新聞來(lái)源名稱(chēng)調(diào)用搜索引擎進(jìn)行圖片搜索包括：根據(jù)新聞來(lái)源名稱(chēng)判斷新聞數(shù)據(jù)的來(lái)源國(guó)家；根據(jù)來(lái)源國(guó)家獲取其對(duì)應(yīng)的搜索引擎；調(diào)用搜索引擎并以新聞標(biāo)題為搜索詞進(jìn)行圖片搜索。

可選地，在根據(jù)本發(fā)明的新聞聚合方法中，從搜索到的圖片中選出最優(yōu)配圖包括：從搜索到的圖片中選取前N張圖片并獲取每張圖片的屬性信息，其中N為大于1的整數(shù)，屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種；若URL信息包括圖片URL，則將圖片ALT標(biāo)簽與新聞標(biāo)題進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。

可選地，在根據(jù)本發(fā)明的新聞聚合方法中，從搜索到的圖片中選出最優(yōu)配圖還包括：若URL信息包括圖片來(lái)源網(wǎng)頁(yè)URL，則采集圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。

可選地，在根據(jù)本發(fā)明的新聞聚合方法中，N等于5。

可選地，在根據(jù)本發(fā)明的新聞聚合方法中，相似度閾值預(yù)設(shè)為30。

根據(jù)本發(fā)明的又一個(gè)方面，提供一種新聞聚合服務(wù)器，包括采集單元、內(nèi)容處理單元、配圖單元、存儲(chǔ)單元和列表提供單元。其中，采集單元適于從各個(gè)新聞源采集多個(gè)新聞數(shù)據(jù)，每個(gè)新聞數(shù)據(jù)包括新聞標(biāo)題、發(fā)布時(shí)間、圖片URL、新聞?wù)?、新聞?wù)摹⑿侣勁鋱D、新聞分類(lèi)和新聞來(lái)源名稱(chēng)中至少一種；內(nèi)容處理單元適于對(duì)每個(gè)新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取，根據(jù)從新聞數(shù)據(jù)中抽取出的內(nèi)容形成新聞?wù)捻?yè)面，當(dāng)抽取出的內(nèi)容中存在圖片URL時(shí)，直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖，將新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面；配圖單元適于當(dāng)抽取出的內(nèi)容中不存在圖片URL時(shí)，根據(jù)新聞來(lái)源名稱(chēng)調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖，并觸發(fā)內(nèi)容處理單元將新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面；存儲(chǔ)單元適于存儲(chǔ)配圖新聞頁(yè)面；列表提供單元適于組合存儲(chǔ)單元中存儲(chǔ)的多個(gè)配圖新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合。

可選地，在根據(jù)本發(fā)明的新聞聚合服務(wù)器中，內(nèi)容處理單元進(jìn)一步適于：判斷圖片URL的數(shù)量是否大于1；當(dāng)圖片URL的數(shù)量大于1時(shí)，獲取圖片URL對(duì)應(yīng)的圖片的分辨率和其在新聞?wù)闹械呐判蛭恢?，并基于分辨率和排序位置選出最優(yōu)配圖；當(dāng)圖片URL的數(shù)量等于1時(shí)，圖片URL對(duì)應(yīng)的圖片即為最優(yōu)配圖。

可選地，在根據(jù)本發(fā)明的新聞聚合服務(wù)器中，配圖單元進(jìn)一步適于：根據(jù)新聞來(lái)源名稱(chēng)判斷新聞數(shù)據(jù)的來(lái)源國(guó)家；根據(jù)來(lái)源國(guó)家獲取其對(duì)應(yīng)的搜索引擎；調(diào)用搜索引擎并以新聞標(biāo)題為搜索詞進(jìn)行圖片搜索。

可選地，在根據(jù)本發(fā)明的新聞聚合服務(wù)器中，配圖單元進(jìn)一步適于：從搜索到的圖片中選取前N張圖片并獲取每張圖片的屬性信息，其中N為大于1的整數(shù)，屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種；當(dāng)URL信息包括圖片URL時(shí)，將圖片ALT標(biāo)簽與新聞標(biāo)題進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。

可選地，在根據(jù)本發(fā)明的新聞聚合服務(wù)器中，配圖單元進(jìn)一步適于：當(dāng)URL信息包括圖片來(lái)源網(wǎng)頁(yè)URL時(shí)，采集圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。

可選地，在根據(jù)本發(fā)明的新聞聚合服務(wù)器中，N等于5。

可選地，在根據(jù)本發(fā)明的新聞聚合服務(wù)器中，相似度閾值預(yù)設(shè)為30。

根據(jù)本發(fā)明的新聞聚合的技術(shù)方案，對(duì)從新聞源采集到新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取后，對(duì)抽取出的內(nèi)容是否存在圖片URL進(jìn)行判斷，根據(jù)上述判斷結(jié)果而采取不同的獲取最優(yōu)配圖的處理步驟，將新聞?wù)捻?yè)面與最優(yōu)配圖形成配圖新聞頁(yè)面，最終組合多個(gè)配個(gè)新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合。在上述技術(shù)方案中，如果從新聞數(shù)據(jù)中抽取的內(nèi)容存在圖片URL，則直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖，如果不存在則調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖，使得每條新聞都具有對(duì)應(yīng)的最優(yōu)配圖，形成了統(tǒng)一的配備有新聞圖片的新聞?wù)捻?yè)面，從而可以提供全部新聞均具有配圖的新聞列表，使得整個(gè)新聞列表界面排版整齊，布局合理，極大地提升了用戶體驗(yàn)。

附圖說(shuō)明

為了實(shí)現(xiàn)上述以及相關(guān)目的，本文結(jié)合下面的描述和附圖來(lái)描述某些說(shuō)明性方面，這些方面指示了可以實(shí)踐本文所公開(kāi)的原理的各種方式，并且所有方面及其等效方面旨在落入所要求保護(hù)的主題的范圍內(nèi)。通過(guò)結(jié)合附圖閱讀下面的詳細(xì)描述，本公開(kāi)的上述以及其它目的、特征和優(yōu)勢(shì)將變得更加明顯。遍及本公開(kāi)，相同的附圖標(biāo)記通常指代相同的部件或元素。

圖1示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的新聞聚合系統(tǒng)100的示意圖；

圖2示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的新聞聚合方法200的流程圖；以及

圖3示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的新聞聚合服務(wù)器300的示意圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開(kāi)的示例性實(shí)施例。雖然附圖中顯示了本公開(kāi)的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開(kāi)而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開(kāi)，并且能夠?qū)⒈竟_(kāi)的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

圖1示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的新聞聚合系統(tǒng)100的示意圖。如圖1所示，在新聞聚合系統(tǒng)100中，有新聞源1、新聞源2、…、新聞源M共計(jì)M個(gè)新聞源，其中M為不小于1的整數(shù)，這M個(gè)新聞源通過(guò)其所在網(wǎng)站提供新聞。新聞聚合服務(wù)器200從M個(gè)新聞源中采集多個(gè)新聞數(shù)據(jù)，每個(gè)新聞數(shù)據(jù)包括新聞標(biāo)題、發(fā)布時(shí)間、圖片URL、新聞?wù)?、新聞?wù)?、新聞配圖、新聞分類(lèi)和新聞來(lái)源名稱(chēng)中至少一種，再對(duì)每個(gè)新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取，根據(jù)從新聞數(shù)據(jù)中抽取出的內(nèi)容形成新聞?wù)捻?yè)面。如果抽取出的內(nèi)容中存在圖片URL，則直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖，如果抽取出的內(nèi)容中不存在圖片URL，則根據(jù)新聞來(lái)源名稱(chēng)調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖。最后，將新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面并進(jìn)行存儲(chǔ)，組合所存儲(chǔ)的多個(gè)配圖新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合。在圖1中，客戶端400與新聞聚合服務(wù)器300通信連接，客戶端400一般為移動(dòng)終端，如智能手機(jī)或平板電腦，但均不限于此，數(shù)量上也未作任何限制?？蛻舳?00中安裝有與新聞聚合服務(wù)器300相對(duì)應(yīng)的客戶端應(yīng)用(圖中未示出)，當(dāng)用戶需要查看新聞時(shí)，該客戶端應(yīng)用響應(yīng)用戶的操作，向新聞聚合服務(wù)器300發(fā)出新聞?wù)埱?，新聞聚合服?wù)器300在接收到上述新聞?wù)埱蠛螅瑢⒔M合形成的新聞列表發(fā)送給該客戶端應(yīng)用，從而客戶端應(yīng)用在客戶端400的屏幕上將新聞列表進(jìn)行顯示以便用戶查看。通過(guò)本新聞聚合系統(tǒng)100，使得每條新聞都具有對(duì)應(yīng)的最優(yōu)配圖，形成了統(tǒng)一的配備有新聞圖片的新聞?wù)捻?yè)面，從而可以提供全部新聞均具有配圖的新聞列表，使得整個(gè)新聞列表界面排版整齊，布局合理，極大地提升了用戶體驗(yàn)。

圖2示出了根據(jù)本發(fā)明一個(gè)實(shí)施例的新聞聚合方法200的流程圖。新聞聚合方法200適于在新聞聚合服務(wù)器(例如圖1所示的新聞聚合服務(wù)器300)中執(zhí)行。

如圖2所示，方法200始于步驟S210。在步驟S210中，從各個(gè)新聞源采集多個(gè)新聞數(shù)據(jù)，每個(gè)新聞數(shù)據(jù)包括新聞標(biāo)題、發(fā)布時(shí)間、圖片URL、新聞?wù)?、新聞?wù)?、新聞配圖、新聞分類(lèi)和新聞來(lái)源名稱(chēng)中至少一種。在本實(shí)施例中，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)對(duì)作為新聞源的各個(gè)新聞網(wǎng)站進(jìn)行新聞數(shù)據(jù)采集。下面分別給出了兩個(gè)新聞數(shù)據(jù)的示例，一個(gè)是有新聞配圖的新聞數(shù)據(jù)A的示例，另一個(gè)是無(wú)新聞配圖的新聞數(shù)據(jù)B的示例。

新聞數(shù)據(jù)A的示例為：

新聞數(shù)據(jù)B的示例為：

其中，title表示新聞標(biāo)題，pubtime表示發(fā)布時(shí)間，summary表示新聞?wù)?，article表示新聞?wù)?，image表示新聞配圖，category表示新聞分類(lèi)，source表示新聞來(lái)源名稱(chēng)。需要說(shuō)明的是，上述示例中的發(fā)布時(shí)間是以時(shí)間戳的形式進(jìn)行表示的，比如說(shuō)新聞數(shù)據(jù)A中的發(fā)布時(shí)間為1476238962000，將其轉(zhuǎn)換為常規(guī)時(shí)間表示形式，可知發(fā)布時(shí)間為北京時(shí)間2016年10月12日上午10時(shí)22分42秒。比較新聞數(shù)據(jù)A和新聞數(shù)據(jù)B的示例可以發(fā)現(xiàn)，在新聞數(shù)據(jù)A中，image中存在一個(gè)為“http://images.indianexpress.com/2016/10/note-7-759.jpg”的url，這個(gè)url即為圖片URL，說(shuō)明新聞數(shù)據(jù)A是存在新聞配圖的，而在新聞數(shù)據(jù)B中，image中內(nèi)容為空，并不存在url，說(shuō)明新聞數(shù)據(jù)B是不存在新聞配圖的。

隨后，進(jìn)入步驟S220，對(duì)每個(gè)新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取，根據(jù)從新聞數(shù)據(jù)中抽取出的內(nèi)容形成新聞?wù)捻?yè)面。在本實(shí)施例中，在對(duì)每個(gè)新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取時(shí)，是將新聞數(shù)據(jù)中所包括的內(nèi)容抽取出來(lái)，如步驟S210中提到的新聞標(biāo)題、發(fā)布時(shí)間、圖片URL、新聞?wù)?、新聞?wù)摹⑿侣勁鋱D、新聞分類(lèi)和新聞來(lái)源名稱(chēng)等，，再根據(jù)從新聞數(shù)據(jù)中抽取出的內(nèi)容，如新聞?wù)牡?，形成新聞?wù)捻?yè)面。

接下來(lái)，在步驟S230中，如果抽取出的內(nèi)容中存在圖片URL，則直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖。首先判斷圖片URL的數(shù)量是否大于1，如果圖片URL的數(shù)量大于1，則獲取圖片URL對(duì)應(yīng)的圖片的分辨率和其在新聞?wù)闹械呐判蛭恢?，并基于分辨率和排序位置選出最優(yōu)配圖，如果圖片URL的數(shù)量等于1，則圖片URL對(duì)應(yīng)的圖片即為最優(yōu)配圖。在本實(shí)施例中，對(duì)新聞數(shù)據(jù)A而言，抽取出的內(nèi)容中存在圖片URL，且圖片URL的數(shù)量為1，則該圖片URL對(duì)應(yīng)的圖片即為最優(yōu)配圖。而在又一個(gè)實(shí)施例中，有新聞數(shù)據(jù)C，其抽取的內(nèi)容中存在圖片URL且數(shù)量為2，獲取第一個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率為400×600dpi，在新聞?wù)闹械呐判蛭恢脼榈诙?，獲取第二個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率為600×800dpi，在新聞?wù)闹械呐判蛭恢脼榈谝?，由于第二個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率比第一個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率高，且在新聞?wù)闹械呐判蛭恢靡哺壳?，很明顯選擇第二個(gè)圖片URL對(duì)應(yīng)的圖片作為最優(yōu)配圖。在實(shí)際處理過(guò)程中，可以基于圖片的分辨率和排序位置各自所占的權(quán)重來(lái)計(jì)算不同圖片URL的比較結(jié)果，例如對(duì)圖片的分辨率的數(shù)值進(jìn)行范圍劃分，落入不同的數(shù)值范圍內(nèi)的分辨率對(duì)應(yīng)的分值不同，而不同排序位置對(duì)應(yīng)的分值也不同，則依據(jù)最終分值＝分辨率分值×分辨率權(quán)值+排序位置分值×排序位置權(quán)值的計(jì)算公式，分別計(jì)算出不同圖片URL的最終分值，選出最終分值最高的圖片URL對(duì)應(yīng)的圖片作為最優(yōu)配圖。

如果抽取出的內(nèi)容中不存在圖片URL，則進(jìn)入步驟S240，根據(jù)新聞來(lái)源名稱(chēng)調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖。首先，根據(jù)新聞來(lái)源名稱(chēng)判斷新聞數(shù)據(jù)的來(lái)源國(guó)家，根據(jù)來(lái)源國(guó)家獲取其對(duì)應(yīng)的搜索引擎，調(diào)用搜索引擎并以新聞標(biāo)題為搜索詞進(jìn)行圖片搜索。其次，從搜索到的圖片中選取前N張圖片并獲取每張圖片的屬性信息，其中N為大于1的整數(shù)，屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種，若URL信息為圖片URL，則將圖片ALT標(biāo)簽與新聞標(biāo)題進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖，若URL信息為圖片來(lái)源網(wǎng)頁(yè)URL，則采集圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。根據(jù)本發(fā)明的一個(gè)實(shí)施例，可以將N的值選擇為5，并且將相似度閾值預(yù)設(shè)為30。

在本實(shí)施例中，對(duì)于不存在新聞配圖的新聞數(shù)據(jù)，首先要根據(jù)新聞數(shù)據(jù)的來(lái)源國(guó)家調(diào)用搜索引擎進(jìn)行圖片搜索。例如，在上面的示例中，新聞數(shù)據(jù)B所抽取的內(nèi)容中不存在圖片URL，其新聞來(lái)源名稱(chēng)為uniindia，新聞標(biāo)題為SKorea won at 3-week low on dollar strength,Samsung shares extend plunge，其中uniidia為United News of India的縮寫(xiě)，為印度聯(lián)合新聞社，則據(jù)此可以判斷新聞數(shù)據(jù)B的來(lái)源國(guó)家為印度，根據(jù)這一來(lái)源國(guó)家獲取其對(duì)應(yīng)的搜索引擎為Google。因此在本步驟中，調(diào)用Google搜索引擎并以上述新聞標(biāo)題為搜索詞進(jìn)行圖片搜索。根據(jù)本發(fā)明的另一個(gè)實(shí)施例，當(dāng)然也可以使用從新聞標(biāo)題或新聞?wù)闹羞x取的關(guān)鍵詞作為搜索詞進(jìn)行圖片搜索，所有這些對(duì)于了解本發(fā)明方案的技術(shù)人員來(lái)說(shuō)是可以容易想到的，并且也在本發(fā)明的保護(hù)范圍之內(nèi)，此處不予以贅述。

隨后，從搜索到的圖片中選取前5張圖片并獲取每張圖片的屬性信息，屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種，根據(jù)一種實(shí)施方式，若URL信息包括圖片URL，則將圖片ALT標(biāo)簽與新聞標(biāo)題進(jìn)行相似度計(jì)算，采用Google開(kāi)源的Simhash算法計(jì)算圖片ALT標(biāo)簽屬性與新聞標(biāo)題的海明(Haming)距離來(lái)衡量其相似度，海明距離越小說(shuō)明圖片ALT標(biāo)簽與新聞標(biāo)題的相似度越高。

根據(jù)另一種實(shí)施方式，若URL信息包括圖片來(lái)源網(wǎng)頁(yè)URL，則采集圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，上述對(duì)新聞數(shù)據(jù)進(jìn)行相似度計(jì)算的算法可選用現(xiàn)有技術(shù)中的關(guān)于相似度計(jì)算的成熟算法，此處不予以贅述，并且所有計(jì)算兩種數(shù)據(jù)相似度的方法都在本發(fā)明的保護(hù)范圍之內(nèi)。由于相似度閾值是需要根據(jù)不同的來(lái)源國(guó)家、官方語(yǔ)言等進(jìn)行動(dòng)態(tài)調(diào)整的，而對(duì)于印度而言，其對(duì)應(yīng)的相似度閾值為32，則最后從前5張圖片中選出相似度不小于32且最大的圖片作為最優(yōu)配圖。

在選出最優(yōu)配圖之后，進(jìn)入步驟S250，將S220中形成的新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面并進(jìn)行存儲(chǔ)。

最后，在步驟S260中，組合所存儲(chǔ)的多個(gè)配圖新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合。在本實(shí)施例中，一個(gè)新聞列表中包括40條新聞，每條新聞包括新聞標(biāo)題、新聞配圖、新聞分類(lèi)、新聞來(lái)源和更新時(shí)間等內(nèi)容。其中，新聞標(biāo)題在新聞列表中最多顯示2行，新聞配圖的圖片尺寸需要進(jìn)行縮放、裁切并壓縮至服務(wù)器端，如新聞聚合服務(wù)器200可以配置的標(biāo)準(zhǔn)范圍之內(nèi)，比如寬高比為2:3，圖片體積小于200KB，圖片分辨率為900×600dpi等，新聞分類(lèi)指定新聞所屬的分類(lèi)，如體育、財(cái)經(jīng)，新聞來(lái)源是指新聞的來(lái)源網(wǎng)站，如CNN或BBC，更新時(shí)間即指新聞的發(fā)布時(shí)間。

圖3示出了本發(fā)明一個(gè)實(shí)施例的新聞聚合服務(wù)器300的示意圖。如圖3所示，新聞聚合服務(wù)器300與客戶端400通信連接，其包括采集單元310、內(nèi)容處理單元320、配圖單元330、存儲(chǔ)單元340和列表提供單元350。

采集單元310適于從各個(gè)新聞源采集多個(gè)新聞數(shù)據(jù)，每個(gè)新聞數(shù)據(jù)包括新聞標(biāo)題、發(fā)布時(shí)間、圖片URL、新聞?wù)⑿侣務(wù)?、新聞配圖、新聞分類(lèi)和新聞來(lái)源名稱(chēng)中至少一種。在本實(shí)施例中，通過(guò)網(wǎng)絡(luò)爬蟲(chóng)對(duì)新聞源1、新聞源2、…、新聞源M進(jìn)行新聞數(shù)據(jù)的采集，其中M為不小于1的整數(shù)，最終獲得了兩個(gè)新聞數(shù)據(jù)的，一個(gè)是有新聞配圖的新聞數(shù)據(jù)A，另一個(gè)是無(wú)新聞配圖的新聞數(shù)據(jù)B。

內(nèi)容處理單元320與采集單元310相連，適于對(duì)采集單元310所采集到的每個(gè)新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取，根據(jù)從新聞數(shù)據(jù)中抽取出的內(nèi)容形成新聞?wù)捻?yè)面，當(dāng)抽取出的內(nèi)容中存在圖片URL時(shí)，直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖，將新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面。內(nèi)容處理單元320進(jìn)一步適于判斷圖片URL的數(shù)量是否大于1，當(dāng)圖片URL的數(shù)量大于1時(shí)，獲取圖片URL對(duì)應(yīng)的圖片的分辨率和其在新聞?wù)闹械呐判蛭恢?，并基于分辨率和排序位置選出最優(yōu)配圖，當(dāng)圖片URL的數(shù)量等于1時(shí)，圖片URL對(duì)應(yīng)的圖片即為最優(yōu)配圖。在本實(shí)施例中，在對(duì)新聞數(shù)據(jù)A和新聞數(shù)據(jù)B進(jìn)行內(nèi)容抽取后，根據(jù)從上述新聞數(shù)據(jù)中抽取出的內(nèi)容，如新聞?wù)牡?，形成新聞?wù)捻?yè)面。從新聞數(shù)據(jù)A里抽取出的內(nèi)容中存在圖片URL，且圖片URL的數(shù)量為1，則該圖片URL對(duì)應(yīng)的圖片即為最優(yōu)配圖。而在又一個(gè)實(shí)施例中，有新聞數(shù)據(jù)C，其抽取的內(nèi)容中存在圖片URL且數(shù)量為2，獲取第一個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率為400×600dpi，在新聞?wù)闹械呐判蛭恢脼榈诙?，獲取第二個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率為600×800dpi，在新聞?wù)闹械呐判蛭恢脼榈谝?，由于第二個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率比第一個(gè)圖片URL對(duì)應(yīng)的圖片的分辨率高，且在新聞?wù)闹械呐判蛭恢靡哺壳?，很明顯選擇第二個(gè)圖片URL對(duì)應(yīng)的圖片作為最優(yōu)配圖。在實(shí)際處理過(guò)程中，可以基于圖片的分辨率和排序位置各自所占的權(quán)重來(lái)計(jì)算不同圖片URL的比較結(jié)果，例如對(duì)圖片的分辨率的數(shù)值進(jìn)行范圍劃分，落入不同的數(shù)值范圍內(nèi)的分辨率對(duì)應(yīng)的分值不同，而不同排序位置對(duì)應(yīng)的分值也不同，則依據(jù)最終分值＝分辨率分值×分辨率權(quán)值+排序位置分值×排序位置權(quán)值的計(jì)算公式，分別計(jì)算出不同圖片URL的最終分值，選出最終分值最高的圖片URL對(duì)應(yīng)的圖片作為最優(yōu)配圖。

配圖單元330與內(nèi)容處理單元320相連，適于當(dāng)內(nèi)容處理單元320從新聞數(shù)據(jù)中抽取出的內(nèi)容中不存在圖片URL時(shí)，根據(jù)新聞來(lái)源名稱(chēng)調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖，并觸發(fā)內(nèi)容處理單元將新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面。配圖單元330進(jìn)一步適于根據(jù)新聞來(lái)源名稱(chēng)判斷新聞數(shù)據(jù)的來(lái)源國(guó)家，根據(jù)來(lái)源國(guó)家獲取其對(duì)應(yīng)的搜索引擎，調(diào)用搜索引擎并以新聞標(biāo)題為搜索詞進(jìn)行圖片搜索。配圖單元330進(jìn)一步適于從搜索到的圖片中選取前N張圖片并獲取每張圖片的屬性信息，其中N為大于1的整數(shù)，屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種；當(dāng)URL信息包括圖片URL時(shí)，將圖片ALT標(biāo)簽與新聞標(biāo)題進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖；當(dāng)URL信息包括圖片來(lái)源網(wǎng)頁(yè)URL時(shí)，采集圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。根據(jù)本發(fā)明的一個(gè)實(shí)施例，可以將N的值選擇為5，并且將相似度閾值預(yù)設(shè)為30。在本實(shí)施例中，新聞數(shù)據(jù)B所抽取的內(nèi)容中不存在圖片URL，其新聞來(lái)源名稱(chēng)為uniindia，新聞標(biāo)題為SKorea won at 3-week low on dollar strength,Samsung shares extend plunge，其中uniidia為United News of India的縮寫(xiě)，為印度聯(lián)合新聞社，則據(jù)此可以判斷新聞數(shù)據(jù)B的來(lái)源國(guó)家為印度，根據(jù)這一來(lái)源國(guó)家獲取其對(duì)應(yīng)的搜索引擎為Google因此調(diào)用Google搜索引擎并以上述新聞標(biāo)題為搜索詞進(jìn)行圖片搜索。根據(jù)本發(fā)明的另一個(gè)實(shí)施例，當(dāng)然也可以使用從新聞標(biāo)題或新聞?wù)闹羞x取的關(guān)鍵詞作為搜索詞進(jìn)行圖片搜索，所有這些對(duì)于了解本發(fā)明方案的技術(shù)人員來(lái)說(shuō)是可以容易想到的，并且也在本發(fā)明的保護(hù)范圍之內(nèi)，此處不予以贅述。隨后，從搜索到的圖片中選取前5張圖片并獲取每張圖片的屬性信息，屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種，根據(jù)一種實(shí)施方式，當(dāng)URL信息包括圖片URL時(shí)，將圖片ALT標(biāo)簽與新聞標(biāo)題進(jìn)行相似度計(jì)算，采用Google開(kāi)源的Simhash算法計(jì)算圖片ALT標(biāo)簽屬性與新聞標(biāo)題的海明(Haming)距離來(lái)衡量其相似度，海明距離越小說(shuō)明圖片ALT標(biāo)簽與新聞標(biāo)題的相似度越高。根據(jù)另一種實(shí)施方式，當(dāng)URL信息包括圖片來(lái)源網(wǎng)頁(yè)URL時(shí)，采集圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，上述對(duì)新聞數(shù)據(jù)進(jìn)行相似度計(jì)算的算法可選用現(xiàn)有技術(shù)中的關(guān)于相似度計(jì)算的成熟算法，此處不予以贅述，所有這些對(duì)于了解本發(fā)明方案的技術(shù)人員來(lái)說(shuō)是可以容易想到的，并且也在本發(fā)明的保護(hù)范圍之內(nèi)。由于相似度閾值是需要根據(jù)不同的來(lái)源國(guó)家、官方語(yǔ)言等進(jìn)行動(dòng)態(tài)調(diào)整的，而對(duì)于印度而言，其對(duì)應(yīng)的相似度閾值為32，則最后從前5張圖片中選出相似度不小于32且最大的圖片作為最優(yōu)配圖，并觸發(fā)內(nèi)容處理單元320將對(duì)應(yīng)的新聞?wù)捻?yè)面與最優(yōu)配圖組合起來(lái)形成配圖新聞頁(yè)面。

存儲(chǔ)單元340與內(nèi)容處理單元320相連，適于存儲(chǔ)內(nèi)容處理單元320所組合形成的配圖新聞頁(yè)面?？蛻舳?00中安裝有與新聞聚合服務(wù)器300相對(duì)應(yīng)的客戶端應(yīng)用(圖中未示出)，當(dāng)用戶需要查看新聞時(shí)，該客戶端應(yīng)用響應(yīng)用戶的操作，向新聞聚合服務(wù)器300發(fā)出新聞?wù)埱?，新聞聚合服?wù)器300在接收到上述新聞?wù)埱蠛?，將組合形成的新聞列表發(fā)送給該客戶端應(yīng)用，從而客戶端應(yīng)用在客戶端400的屏幕上將新聞列表進(jìn)行顯示以便用戶查看。

列表提供單元350與存儲(chǔ)單元340相連，適于組合存儲(chǔ)單元340中存儲(chǔ)的多個(gè)配圖新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合?？蛻舳?00中安裝有與新聞聚合服務(wù)器300相對(duì)應(yīng)的客戶端應(yīng)用(圖中未示出)，當(dāng)用戶需要查看新聞時(shí)，該客戶端應(yīng)用響應(yīng)用戶的操作，向新聞聚合服務(wù)器300發(fā)出新聞?wù)埱?，新聞聚合服?wù)器300中的列表提供單元350將對(duì)應(yīng)的新聞列表發(fā)送至客戶端400，以便用戶通過(guò)客戶端應(yīng)用在客戶端400的屏幕上查看新聞列表。在本實(shí)施例中，一個(gè)新聞列表中包括40條新聞，每條新聞包括新聞標(biāo)題、新聞配圖、新聞分類(lèi)、新聞來(lái)源和更新時(shí)間等內(nèi)容。其中，新聞標(biāo)題在新聞列表中最多顯示2行，新聞配圖的圖片尺寸需要進(jìn)行縮放、裁切并壓縮至服務(wù)器端，如新聞聚合服務(wù)器200可以配置的標(biāo)準(zhǔn)范圍之內(nèi)，比如寬高比為2:3，圖片體積小于200KB，圖片分辨率為900×600dpi等，新聞分類(lèi)指定新聞所屬的分類(lèi)，如體育、財(cái)經(jīng)，新聞來(lái)源是指新聞的來(lái)源網(wǎng)站，如CNN或BBC，更新時(shí)間即指新聞的發(fā)布時(shí)間。

關(guān)于新聞聚合的具體步驟以及實(shí)施例，在基于圖2的描述中已經(jīng)詳細(xì)公開(kāi)，此處不再贅述。

現(xiàn)有的新聞聚合方案中，由于新聞來(lái)源的不同導(dǎo)致新聞格式的不同，進(jìn)而有些新聞沒(méi)有配備對(duì)應(yīng)的新聞圖片，當(dāng)具有來(lái)自各個(gè)來(lái)源的新聞以提供新聞列表時(shí)，一方面可能出現(xiàn)在新聞?wù)捻?yè)面中只有文字沒(méi)有圖片的情形，另一方面還會(huì)出現(xiàn)列表中的部分新聞具有配圖而部分新聞缺少配圖的問(wèn)題，導(dǎo)致整個(gè)新聞列表界面排版混亂，用戶體驗(yàn)較差。根據(jù)本發(fā)明的新聞聚合的技術(shù)方案，對(duì)從新聞源采集到新聞數(shù)據(jù)進(jìn)行內(nèi)容抽取后，對(duì)抽取出的內(nèi)容是否存在圖片URL進(jìn)行判斷，根據(jù)上述判斷結(jié)果而采取不同的獲取最優(yōu)配圖的處理步驟，將新聞?wù)捻?yè)面與最優(yōu)配圖形成配圖新聞頁(yè)面，最終組合多個(gè)配個(gè)新聞頁(yè)面形成新聞列表以實(shí)現(xiàn)新聞聚合。在上述技術(shù)方案中，如果從新聞數(shù)據(jù)中抽取的內(nèi)容存在圖片URL，則直接從圖片URL對(duì)應(yīng)的圖片中選出最優(yōu)配圖，如果不存在則調(diào)用搜索引擎進(jìn)行圖片搜索，從搜索到的圖片中選出最優(yōu)配圖，使得每條新聞都具有對(duì)應(yīng)的最優(yōu)配圖，形成了統(tǒng)一的配備有新聞圖片的新聞?wù)捻?yè)面，從而可以提供全部新聞均具有配圖的新聞列表，使得整個(gè)新聞列表界面排版整齊，布局合理，極大地提升了用戶體驗(yàn)。

B11.如B8-10中任一項(xiàng)所述的新聞聚合服務(wù)器，所述配圖單元進(jìn)一步適于：

從搜索到的圖片中選取前N張圖片并獲取每張圖片的屬性信息，其中N為大于1的整數(shù)，所述屬性信息包括圖片ALT標(biāo)簽、URL信息和寬高信息中的至少一種；

當(dāng)所述URL信息包括圖片URL時(shí)，將所述圖片ALT標(biāo)簽與所述新聞標(biāo)題進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。

B12.如B11所述的新聞聚合服務(wù)器，所述配圖單元進(jìn)一步適于：

當(dāng)所述URL信息包括圖片來(lái)源網(wǎng)頁(yè)URL時(shí)，采集所述圖片來(lái)源網(wǎng)頁(yè)URL對(duì)應(yīng)的新聞源的新聞數(shù)據(jù)，并將其與待配圖的新聞數(shù)據(jù)進(jìn)行相似度計(jì)算，選出滿足相似度閾值且相似度最大的圖片作為最優(yōu)配圖。

B13.如B11或12所述的新聞聚合服務(wù)器，其中，N等于5。

B14.如B11-13中任一項(xiàng)所述的新聞聚合服務(wù)器，其中所述相似度閾值預(yù)設(shè)為30。

在此處所提供的說(shuō)明書(shū)中，說(shuō)明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實(shí)施例可以在沒(méi)有這些具體細(xì)節(jié)的情況下被實(shí)踐。在一些實(shí)例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對(duì)本說(shuō)明書(shū)的理解。

類(lèi)似地，應(yīng)當(dāng)理解，為了精簡(jiǎn)本公開(kāi)并幫助理解各個(gè)發(fā)明方面中的一個(gè)或多個(gè)，在上面對(duì)本發(fā)明的示例性實(shí)施例的描述中，本發(fā)明的各個(gè)特征有時(shí)被一起分組到單個(gè)實(shí)施例、圖、或者對(duì)其的描述中。然而，并不應(yīng)將該公開(kāi)的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個(gè)權(quán)利要求中所明確記載的特征更多特征。更確切地說(shuō)，如下面的權(quán)利要求書(shū)所反映的那樣，發(fā)明方面在于少于前面公開(kāi)的單個(gè)實(shí)施例的所有特征。因此，遵循具體實(shí)施方式的權(quán)利要求書(shū)由此明確地并入該具體實(shí)施方式，其中每個(gè)權(quán)利要求本身都作為本發(fā)明的單獨(dú)實(shí)施例。

本領(lǐng)域那些技術(shù)人員應(yīng)當(dāng)理解在本文所公開(kāi)的示例中的設(shè)備的模塊或單元或組件可以布置在如該實(shí)施例中所描述的設(shè)備中，或者可替換地可以定位在與該示例中的設(shè)備不同的一個(gè)或多個(gè)設(shè)備中。前述示例中的模塊可以組合為一個(gè)模塊或者此外可以分成多個(gè)子模塊。

本領(lǐng)域那些技術(shù)人員可以理解，可以對(duì)實(shí)施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們?cè)O(shè)置在與該實(shí)施例不同的一個(gè)或多個(gè)設(shè)備中?？梢园褜?shí)施例中的模塊或單元或組件組合成一個(gè)模塊或單元或組件，以及此外可以把它們分成多個(gè)子模塊或子單元或子組件。除了這樣的特征和/或過(guò)程或者單元中的至少一些是相互排斥之外，可以采用任何組合對(duì)本說(shuō)明書(shū)(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的所有特征以及如此公開(kāi)的任何方法或者設(shè)備的所有過(guò)程或單元進(jìn)行組合。除非另外明確陳述，本說(shuō)明書(shū)(包括伴隨的權(quán)利要求、摘要和附圖)中公開(kāi)的每個(gè)特征可以由提供相同、等同或相似目的的替代特征來(lái)代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實(shí)施例包括其它實(shí)施例中所包括的某些特征而不是其它特征，但是不同實(shí)施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實(shí)施例。例如，在下面的權(quán)利要求書(shū)中，所要求保護(hù)的實(shí)施例的任意之一都可以以任意的組合方式來(lái)使用。

此外，所述實(shí)施例中的一些在此被描述成可以由計(jì)算機(jī)系統(tǒng)的處理器或者由執(zhí)行所述功能的其它裝置實(shí)施的方法或方法元素的組合。因此，具有用于實(shí)施所述方法或方法元素的必要指令的處理器形成用于實(shí)施該方法或方法元素的裝置。此外，裝置實(shí)施例的在此所述的元素是如下裝置的例子：該裝置用于實(shí)施由為了實(shí)施該發(fā)明的目的的元素所執(zhí)行的功能。

如在此所使用的那樣，除非另行規(guī)定，使用序數(shù)詞“第一”、“第二”、“第三”等等來(lái)描述普通對(duì)象僅僅表示涉及類(lèi)似對(duì)象的不同實(shí)例，并且并不意圖暗示這樣被描述的對(duì)象必須具有時(shí)間上、空間上、排序方面或者以任意其它方式的給定順序。

盡管根據(jù)有限數(shù)量的實(shí)施例描述了本發(fā)明，但是受益于上面的描述，本技術(shù)領(lǐng)域內(nèi)的技術(shù)人員明白，在由此描述的本發(fā)明的范圍內(nèi)，可以設(shè)想其它實(shí)施例。此外，應(yīng)當(dāng)注意，本說(shuō)明書(shū)中使用的語(yǔ)言主要是為了可讀性和教導(dǎo)的目的而選擇的，而不是為了解釋或者限定本發(fā)明的主題而選擇的。因此，在不偏離所附權(quán)利要求書(shū)的范圍和精神的情況下，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)許多修改和變更都是顯而易見(jiàn)的。對(duì)于本發(fā)明的范圍，對(duì)本發(fā)明所做的公開(kāi)是說(shuō)明性的，而非限制性的，本發(fā)明的范圍由所附權(quán)利要求書(shū)限定。