新闻专题创建方法和装置与流程

本申请涉及计算机领域，尤其涉及一种新闻专题创建方法和装置。
背景技术：
：目前向用户推送新闻专题的主要过程是，从各个新闻提供方获取到多篇新闻资讯后，工作人员浏览这些新闻资讯的内容，根据这些新闻资讯的内容手动筛选符合预设内容要求的新闻资讯组合成新闻专题，并将新闻专题推送给用户。其中，每个新闻专题用于报道一个新闻事件，每个新闻专题都包括专题名称和多篇新闻资讯。由此可见，目前人工将新闻资讯组合成新闻专题的方式具有创建新闻专题效率较低的问题。技术实现要素：本申请实施例的目的是提供一种新闻专题创建方法和装置，以提高新闻专题的创建效率。为解决上述技术问题，本申请实施例是这样实现的：本申请实施例提供了一种新闻专题创建方法，包括：获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；通过新闻专题创建系统，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题；其中，所述新闻专题用于报道对应的所述新闻事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述新闻专题所报道的新闻事件对应的多篇新闻资讯确定得到。本申请实施例提供了一种新闻专题创建方法，包括：获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，根据各个所述新闻事件的事件热度，在各个所述新闻事件中选取目标事件；通过新闻专题创建系统，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题；其中，所述新闻专题用于报道所述目标事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述目标事件对应的多篇新闻资讯确定得到。本申请实施例提供了一种新闻专题创建装置，包括：第一获取模块，用于获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；第一聚类模块，用于通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；第一创建模块，用于通过新闻专题创建系统，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题；其中，所述新闻专题用于报道对应的所述新闻事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述新闻专题所报道的新闻事件对应的多篇新闻资讯确定得到。本申请实施例提供了一种新闻专题创建装置，包括：第二获取模块，用于获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；第二聚类模块，用于通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；选取模块，用于根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，根据各个所述新闻事件的事件热度，在各个所述新闻事件中选取目标事件；第二创建模块，用于通过新闻专题创建系统，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题；其中，所述新闻专题用于报道所述目标事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述目标事件对应的多篇新闻资讯确定得到。本申请实施例提供了一种新闻专题创建设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器实现上述的新闻专题创建方法的步骤。本申请实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被执行时实现上述的新闻专题创建方法的步骤。本申请实施例中，首先获取资讯提供方提供的多篇新闻资讯，然后通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，最后通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。可见，通过本申请实施例，能够通过资讯聚类模型和新闻专题创建系统自动创建新闻专题，从而解决人工手动创建新闻专题效率低的问题，提高新闻专题的创建效率。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的新闻专题创建方法的场景示意图；图2为本申请一实施例提供的新闻专题创建方法的流程示意图；图3a为本申请一实施例提供的新闻专题创建系统的界面示意图；图3b为本申请另一实施例提供的新闻专题创建系统的界面示意图；图3c为本申请另一实施例提供的新闻专题创建系统的界面示意图；图4为本申请一实施例提供的用户终端的界面示意图；图5为本申请另一实施例提供的新闻专题创建方法的流程示意图；图6为本申请一实施例提供的新闻专题创建装置的模块组成示意图；图7为本申请另一实施例提供的新闻专题创建装置的模块组成示意图；图8为本申请一实施例提供的新闻专题创建设备的结构示意图。具体实施方式为了使本
技术领域：
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。本申请实施例的目的是提供一种新闻专题创建方法和装置，以提高新闻专题的创建效率。本申请实施例中的新闻专题创建方法可以由新闻专题创建设备(如后台服务器)执行。图1为本申请一实施例提供的新闻专题创建方法的场景示意图，如图1所示，该场景包括用户终端和新闻专题创建设备，其中用户终端包括但不限于如图1中所示的平板电脑101、手机102、台式电脑103、笔记本电脑104，新闻专题创建设备包括但不限于如图1中所示的服务器200。该场景中，新闻专题创建设备可以执行本申请实施例中提供的新闻专题创建方法生成新闻专题，并将新闻专题推送至用户终端，用户终端可以显示该新闻专题。图2为本申请一实施例提供的新闻专题创建方法的流程示意图，如图2所示，该流程包括以下步骤：步骤s202，获取资讯提供方提供的多篇新闻资讯，新闻资讯中记录有新闻事件对应的新闻内容；步骤s204，通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同资讯集合对应的新闻事件各不相同；步骤s206，通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题；其中，新闻专题用于报道对应的新闻事件；新闻专题包括专题名称和专题资讯，专题资讯根据该新闻专题所报道的新闻事件对应的多篇新闻资讯确定得到。本申请实施例中，首先获取资讯提供方提供的多篇新闻资讯，然后通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，最后通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。可见，通过本申请实施例，能够通过资讯聚类模型和新闻专题创建系统自动创建新闻专题，从而解决人工手动创建新闻专题效率低的问题，提高新闻专题的创建效率。上述步骤s202中，获取资讯提供方提供的多篇新闻资讯，新闻资讯中记录有新闻事件对应的新闻内容。具体地。资讯提供方可以是第一财经、中央新闻等各个新闻提供方，新闻专题创建设备获取各个资讯提供方提供的新闻资讯。新闻资讯中记录有新闻事件对应的新闻内容，比如，新闻事件为十一阅兵事件，新闻资讯a中可以记录有该十一阅兵事件中的关于被检阅士兵的新闻内容，新闻资讯b中可以记录有该十一阅兵事件中的关于被检阅武器设备的新闻内容。上述步骤s204中，通过预先训练的资讯聚类模型对获取的多篇新闻资讯进行聚类，得到多个资讯集合。其中，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同资讯集合对应的新闻事件各不相同。比如，通过步骤s202获取到十篇新闻资讯，其中三篇新闻资讯分别记录有十一阅兵的相关新闻内容，另外三篇新闻资讯分别记录有一带一路峰会的相关新闻内容，另外四篇新闻资讯分别记录有端午节庆祝活动的相关新闻内容。则步骤s204中，通过预先训练的资讯聚类模型对这十篇新闻资讯进行聚类，可以得到三个资讯集合，其中，第一个资讯集合包括的三篇新闻资讯均记录有十一阅兵的相关新闻内容，第二个资讯集合包括的三篇新闻资讯均记录有一带一路峰会的相关新闻内容，第三个资讯集合包括的四篇新闻资讯均记录有端午节庆祝活动的相关新闻内容。上述步骤s204的具体过程可以是：(a1)通过预先训练的资讯聚类模型，提取各篇新闻资讯的资讯标题，并计算各篇新闻资讯的资讯标题之间的语义相似度；(a2)通过预先训练的资讯聚类模型，根据各篇新闻资讯的资讯标题之间的语义相似度，对各篇新闻资讯进行聚类，得到多个资讯集合。具体地，预先训练的资讯聚类模型可以通过affinitypropagation等聚类算法实现。本实施例中，资讯聚类模型提取各篇新闻资讯的资讯标题，并对每个资讯标题进行分词处理，并确定每个分词得到的词的词向量，针对一个资讯标题，根据该资讯标题中每个词的词向量，确定该资讯标题的向量，根据各个资讯标题的向量，计算各个资讯标题之间的距离，根据各个资讯标题之间的距离，确定各个资讯标题之间的语义相似度。当然，资讯聚类模型还可以通过其他已有的算法确定各篇新闻资讯的资讯标题之间的语义相似度，这里不做限定。在确定各篇新闻资讯的资讯标题之间的语义相似度之后，资讯聚类模型可以将语义相似度较大的各个资讯标题聚为一类，聚类中心可以根据该类别中资讯标题的增加灵活调整。在将各个资讯标题聚为多类后，资讯聚类模型按照该聚类方式将每个资讯标题对应的新闻资讯进行聚类，从而将各篇新闻资讯进行聚类，得到多个资讯集合。本实施例中，资讯聚类模型还可以通过其他已有的算法实现，这里不做限定。资讯聚类模型一种训练方式为：预先人工设置大量样本资讯，并标注每篇样本资讯的资讯标题，并通过人工的方式将各个资讯标题聚为多类，将各个样本资讯聚为多类，将样本资讯、每篇样本资讯的资讯标题，各个资讯标题的聚类方式，各个样本资讯的聚类方式输入至神经网络模型进行训练，通过这些样本数据训练好的神经网络模型即为资讯聚类模型。可见，通过本实施例，能够通过预先训练的资讯聚类模型对获取的多篇新闻资讯进行聚类，得到多个资讯集合，能够理解，每个资讯集合即对应一个新闻事件，从而达到事件挖掘的效果。本实施例中，在通过预先训练的资讯聚类模型对获取的多篇新闻资讯进行聚类，得到多个资讯集合之后，还可以为每个资讯集合对应的新闻事件生成事件名称。该过程具体为：针对每个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理，根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称。比如，共聚类得到两个资讯集合，则针对其中一个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理，根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称，然后，针对其中另一个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理，根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称。根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称，可以为：在分词得到的多个词去除语义重复的词，并确定剩余的各个词的词性，词性包括名词、动词、代词、介词等，根据剩余的各个词的词性和预设的词性连接规则，将各个词连接起来，得到至少一个短语，根据每个短语与第一预设短语库中的各个短语的相似度，在该至少一个短语中选取该资讯集合对应的新闻事件的事件名称。其中，第一预设短语库中的各个短语为预先人工收集的历史新闻事件的事件名称。这里之所以计算每个短语与第一预设短语库中的各个短语的相似度，是考虑到当前新闻事件与历史新闻事件类似的情况，根据相似度筛选出语言逻辑更为通顺合理的短语作为事件名称。比如，对于某个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理后，得到各个词为：十一、国庆、阅兵、武器、介绍。首先去除语义重复的词，比如删除“十一”，然后，确定剩余的各个词的词性，根据剩余的各个词的词性和预设的词性连接规则，将各个词连接起来得到“国庆阅兵武器介绍”和“武器阅兵国庆介绍”两个短语，最后，分别计算每个短语与第一预设短语库中的各个短语的相似度，得到相似度最大值98％，该98％对应的短语为“国庆阅兵武器介绍”，则将该短语作为该资讯集合对应的新闻事件的事件名称。本实施例中，生成每个资讯集合对应的新闻事件的事件名称的过程也可以通过资讯聚类模型实现。可见，通过本实施例，不仅可以聚类得到多个资讯集合，还可以生成每个资讯集合对应的新闻事件的事件名称，从而达到自动高效地从新闻资讯中挖掘得到新闻事件的效果。上述步骤s206中，通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。其中，专题资讯从该新闻专题所报道的新闻事件对应的多篇新闻资讯中选取得到。本实施例中提供有新闻专题创建系统，新闻专题创建系统运行于新闻专题创建设备内，用于执行步骤s206，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。步骤s206中，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题，具体为：(b1)针对每个新闻事件，在该新闻事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为用于报道该新闻事件的新闻专题的专题资讯；(b2)针对每个新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成用于报道该新闻事件的新闻专题的专题名称；(b3)针对每个新闻事件，基于用于报道该新闻事件的新闻专题的专题资讯和用于报道该新闻事件的新闻专题的专题名称，创建用于报道该新闻事件的新闻专题。上述动作(b1)中，对于每个新闻事件，首先在该新闻事件对应的多篇新闻资讯(也即该新闻事件对应的资讯集合中的多篇新闻资讯)中选取未记录有预设敏感字和预设敏感词的资讯，这个过程中，可以在新闻资讯的标题和正文中进行筛选，得到标题和正文均未记录有预设敏感字和预设敏感词的资讯。然后，在筛选得到的新闻资讯中进一步筛选资讯热度大于预设热度的资讯，此次筛选得到的资讯即为用于报道该新闻事件的新闻专题的专题资讯。本实施例中提供一种确定新闻资讯的资讯热度的方法，该方法可以由新闻专题创建系统实施，具体地，通过新闻专题创建系统，针对每篇新闻资讯，确定该新闻资讯的来源、转载量和阅读量，根据该新闻资讯的来源、转载量和阅读量，确定该新闻资讯的资讯热度。其中，新闻专题创建系统可以预先存储有资讯热度计算公式，该公式可以举例为资讯热度s＝a*a1+b*b1+c*c1，其中，a表示每篇新闻资讯的来源对应的得分，这里可以预设各个新闻资讯的来源的得分，比如第一财经的得分为10分，中央新闻的得分为10分，a1为预先设置的新闻资讯的来源对应的权重系数，b表示每篇新闻资讯的转载量，b1为预先设置的新闻资讯的转载量对应的权重系数，c表示每篇新闻资讯的阅读量，c1为预先设置的新闻资讯的阅读量对应的权重系数。本实施例中，新闻专题创建系统可以通过该公式计算每篇新闻资讯的资讯热度。上述动作(b2)中，针对每个新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取tf-idf(termfrequency–inversedocumentfrequency，词频-逆文本频率指数)值大于预设阈值的词，根据选取得到的词生成用于报道该新闻事件的新闻专题的专题名称。比如，共有两个新闻事件，则针对其中一个新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，并计算分词得到的每个词的tf-idf值，从而在分词得到的多个词中，选取tf-idf值大于预设阈值的词作为目标词，根据目标词生成用于报道该新闻事件的新闻专题的专题名称。同样地，针对其中另一个新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，并计算分词得到的每个词的tf-idf值，从而在分词得到的多个词中，选取tf-idf值大于预设阈值的词作为目标词，根据目标词生成用于报道该新闻事件的新闻专题的专题名称。根据目标词生成用于报道该新闻事件的新闻专题的专题名称，具体为：在各个目标词中去除语义重复的词，并确定剩余的各个词的词性，词性包括名词、动词、代词、介词等，根据剩余的各个词的词性和预设的词性连接规则，将各个词连接起来，得到至少一个短语，根据每个短语与第二预设短语库中的各个短语的相似度，在该至少一个短语中选取用于报道该新闻事件的新闻专题的专题名称。其中，第二预设短语库中的各个短语为预先人工收集的历史新闻专题的专题名称。这里之所以计算每个短语与第二预设短语库中的各个短语的相似度，是考虑到当前新闻专题与历史新闻专题类似的情况，根据相似度筛选出语言逻辑更为通顺合理的短语作为专题名称。生成专题名称的过程与前述的生成事件名称的过程类似，这里不再重复。上述动作(b3)中，针对每个新闻事件，基于用于报道该新闻事件的新闻专题的专题资讯和用于报道该新闻事件的新闻专题的专题名称，创建用于报道该新闻事件的新闻专题。具体地，通过新闻专题创建系统针对每个新闻事件，基于用于报道该新闻事件的新闻专题的专题资讯和用于报道该新闻事件的新闻专题的专题名称，创建用于报道该新闻事件的新闻专题，新闻专题至少包括专题名称和专题资讯。新闻专题创建系统还可以显示每个创建好的新闻专题供编辑人员审阅。图3a为本申请一实施例提供的新闻专题创建系统的界面示意图，如图3a所示，该界面中以新闻事件的形式显示有通过步骤s204聚类得到的多个资讯集合，并显示有每个资讯集合对应的事件名称，该界面中，针对每个新闻事件，还提供有“创建专题”按钮，用户点击该按钮后，新闻专题创建系统自动为该新闻事件创建对应的新闻专题。当然，本实施例中，也可以不设置“创建专题”按钮，由新闻专题创建系统自动为该新闻事件创建对应的新闻专题。图3b为本申请另一实施例提供的新闻专题创建系统的界面示意图，如图3a和图3b所示，用户点击“创建专题”按钮后，新闻专题创建系统自动创建新闻专题，创建好的新闻专题如图3b所示。图3c为本申请另一实施例提供的新闻专题创建系统的界面示意图，如图3a和图3c所示，用户若点击图3a中的某个新闻事件的事件名称，则界面跳转到图3c所示，展示该新闻事件对应的多篇新闻资讯。本实施例中，新闻专题创建系统还可以如图3a所示，显示每个新闻事件的事件热度，新闻事件的事件热度的计算方法将在后文进行展开。图3a中还显示有每个新闻事件的阅读量，该阅读量为每个新闻事件对应的各篇新闻资讯的阅读量的总和。本实施例中，新闻专题创建系统还可以如图3b所示，在创建每个新闻专题后，为每个新闻专题生成对应的专题描述。生成专题描述可以由人工生成，也可以由新闻专题创建系统根据每个新闻专题所包含的多篇专题资讯的资讯标题生成。具体地，新闻专题创建系统针对每个新闻专题，获取该新闻专题所包含的多篇专题资讯的资讯标题，对各个资讯标题进行分词处理，得到多个词，根据该多个词拼接生成该新闻专题的专题描述。本实施例中，新闻专题创建系统还可以如图3c所示，图3c的界面中也提供有“创建专题”按钮，编辑人员在点击某个新闻事件的事件名称跳转到图3c所示的界面后，可以在该界面中点击“创建专题”按钮，从而通过新闻专题创建系统自动为该新闻事件创建新闻专题。进一步地，本实施例中的方法还包括：(c1)针对每个新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度；(c2)根据各个新闻事件的事件热度生成事件热度排行榜，将事件热度排行榜发送至资讯提供方，以供资讯提供方根据事件热度排行榜提供新闻资讯。上述动作(c1)中，根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度，具体为：根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定各篇新闻资讯的资讯热度，将各篇新闻资讯的资讯热度的加和，作为该新闻事件的事件热度。其中，计算各篇新闻资讯的资讯热度的方式可以如上文所述，这里不再重复。另一个实施例中，也可以将该新闻事件对应的各篇新闻资讯的转载量和阅读量的总和，作为该新闻事件的事件热度。上述动作(c2)中，根据各个新闻事件的事件热度生成事件热度排行榜，将事件热度排行榜发送至资讯提供方，以使资讯提供方能够了解当前各个新闻事件的热度情况，从而提供热门资讯，避免提供非热门资讯浪费人工成本。事件热度排行榜可以如下表1所示。表1事件序号事件名称事件热度1十一阅兵1002某某演习98………10xx电视剧开机50图4为本申请一实施例提供的用户终端的界面示意图，如图4所示，该用户终端可以接收新闻专题创建设备推送的新闻专题并展示。如图4所示，该界面中显示有“iphone购买意愿暴跌”这一新闻专题的专题名称，并显示有各篇专题资讯的资讯图标。本实施例中，新闻专题创建设备存储创建好的新闻专题时，可以在hbase数据库中存储，从而提高数据存储的稳定性和数据调用的便利性。综上，通过本申请实施例，能够通过资讯聚类模型和新闻专题创建系统自动创建新闻专题，从而解决人工手动创建新闻专题效率低的问题，提高新闻专题的创建效率。并且，由于可以根据各个新闻事件的事件热度生成事件热度排行榜，并将事件热度排行榜发送至资讯提供方，因此能够方便资讯提供方掌握当前热门事件的动向，便于资讯提供方提供与热门事件有关的新闻资讯。图5为本申请另一实施例提供的新闻专题创建方法的流程示意图，如图5所示，该流程包括以下步骤：步骤s502，获取资讯提供方提供的多篇新闻资讯，新闻资讯中记录有新闻事件对应的新闻内容；步骤s504，通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同资讯集合对应的新闻事件各不相同；步骤s506，根据各个新闻事件对应的多篇新闻资讯，确定各个新闻事件的事件热度，根据各个新闻事件的事件热度，在各个新闻事件中选取目标事件；步骤s508，通过新闻专题创建系统，根据目标事件对应的多篇新闻资讯，为目标事件创建新闻专题；其中，新闻专题用于报道目标事件；新闻专题包括专题名称和专题资讯，专题资讯根据目标事件对应的多篇新闻资讯确定得到。通过本申请实施例，可以自动在各个新闻事件中选取热度较高的目标事件，并通过资讯聚类模型和新闻专题创建系统自动创建目标事件对应的新闻专题，从而解决人工手动创建新闻专题效率低的问题，实现热门专题的自动创建，提高新闻专题的创建效率。上述步骤s502和步骤s504的具体过程与前述步骤s202和步骤s204的具体过程相同，这里不再重复。上述步骤s506中，根据各个新闻事件对应的多篇新闻资讯，确定各个新闻事件的事件热度，具体为：针对每个新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度。该过程可以参考前述动作(c1)的描述，这里不再重复。本实施例中，新闻资讯的来源指的是新闻资讯的资讯提供方。上述步骤s506中，根据各个新闻事件的事件热度，在各个新闻事件中选取目标事件，具体为，在各个新闻事件中选取事件热度大于预设的热度阈值的事件作为目标事件。上述步骤s508中，通过新闻专题创建系统，根据目标事件对应的多篇新闻资讯，为目标事件创建新闻专题，其中，新闻专题包括专题名称和专题资讯，专题资讯从目标事件对应的多篇新闻资讯中选取得到。能够理解，根据前述介绍，新闻专题还可以包括专题描述。步骤s508的具体过程为：(d1)在目标事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为新闻专题的专题资讯；(d2)对各篇专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成新闻专题的专题名称；(d3)基于新闻专题的专题名称和新闻专题的专题资讯，创建新闻专题。该过程可以参考前述步骤s206的具体介绍，这里不再重复。图5中的方法还可以包括：根据各个新闻事件的事件热度生成事件热度排行榜，将事件热度排行榜发送至资讯提供方，以供资讯提供方根据事件热度排行榜提供新闻资讯。具体地，根据各个新闻事件的事件热度生成事件热度排行榜，将事件热度排行榜发送至资讯提供方，以使资讯提供方能够了解当前各个新闻事件的热度情况，从而提供热门资讯，避免提供非热门资讯浪费人工成本。综上，通过本申请实施例，可以自动在各个新闻事件中选取热度较高的目标事件，并通过资讯聚类模型和新闻专题创建系统自动创建目标事件对应的新闻专题，从而解决人工手动创建新闻专题效率低的问题，实现热门专题的自动创建，提高新闻专题的创建效率。并且，由于可以根据各个新闻事件的事件热度生成事件热度排行榜，将事件热度排行榜发送至资讯提供方，因此能够方便资讯提供方掌握当前热门事件的动向，便于资讯提供方提供与热门事件有关的新闻资讯。图6为本申请一实施例提供的新闻专题创建装置的模块组成示意图，如图6所示，该装置包括：第一获取模块61，用于获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；第一聚类模块62，用于通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；第一创建模块63，用于通过新闻专题创建系统，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题；其中，所述新闻专题用于报道对应的所述新闻事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述新闻专题所报道的新闻事件对应的多篇新闻资讯确定得到。可选地，第一聚类模块62具体用于：通过预先训练的资讯聚类模型，提取各篇所述新闻资讯的资讯标题，并计算各篇所述新闻资讯的资讯标题之间的语义相似度；通过预先训练的资讯聚类模型，根据各篇所述新闻资讯的资讯标题之间的语义相似度，对各篇所述新闻资讯进行聚类，得到多个资讯集合。可选地，还包括名称生成模块，用于：针对每个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理，根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称。可选地，第一创建模块63具体用于：针对每个所述新闻事件，在该新闻事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为用于报道该新闻事件的新闻专题的专题资讯；针对每个所述新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成用于报道该新闻事件的新闻专题的专题名称；针对每个所述新闻事件，基于用于报道该新闻事件的新闻专题的专题资讯和用于报道该新闻事件的新闻专题的专题名称，创建用于报道该新闻事件的新闻专题。可选地，还包括热度确定模块，用于：通过新闻专题创建系统，针对每篇新闻资讯，确定该新闻资讯的来源、转载量和阅读量，根据该新闻资讯的来源、转载量和阅读量，确定该新闻资讯的资讯热度。可选地，还包括第一排序模块，用于：针对每个所述新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度；根据各个所述新闻事件的事件热度生成事件热度排行榜，将所述事件热度排行榜发送至所述资讯提供方，以供所述资讯提供方根据所述事件热度排行榜提供新闻资讯。本申请实施例中，首先获取资讯提供方提供的多篇新闻资讯，然后通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，最后通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。可见，通过本申请实施例，能够通过资讯聚类模型和新闻专题创建系统自动创建新闻专题，从而解决人工手动创建新闻专题效率低的问题，提高新闻专题的创建效率。需要说明的是，本申请实施例中的新闻专题创建装置能够实现前述的新闻专题创建方法的各个过程，并达到相同的效果和功能，这里不再赘述。图7为本申请另一实施例提供的新闻专题创建装置的模块组成示意图，如图7所示，该装置包括：第二获取模块71，用于获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；第二聚类模块72，用于通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；选取模块73，用于根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，根据各个所述新闻事件的事件热度，在各个所述新闻事件中选取目标事件；第二创建模块74，用于通过新闻专题创建系统，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题；其中，所述新闻专题用于报道所述目标事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述目标事件对应的多篇新闻资讯确定得到。可选地，所述第二创建模块74具体用于：在所述目标事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为所述新闻专题的专题资讯；对各篇所述专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成所述新闻专题的专题名称；基于所述新闻专题的专题名称和所述新闻专题的专题资讯，创建所述新闻专题。可选地，所述选取模块73具体用于：针对每个所述新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量；根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度。可选地，还包括第二排序模块，用于：根据各个所述新闻事件的事件热度生成事件热度排行榜，将所述事件热度排行榜发送至所述资讯提供方，以供所述资讯提供方根据所述事件热度排行榜提供新闻资讯。通过本申请实施例，可以自动在各个新闻事件中选取热度较高的目标事件，并通过资讯聚类模型和新闻专题创建系统自动创建目标事件对应的新闻专题，从而解决人工手动创建新闻专题效率低的问题，实现热门专题的自动创建，提高新闻专题的创建效率。需要说明的是，本申请实施例中的新闻专题创建装置能够实现前述的新闻专题创建方法的各个过程，并达到相同的效果和功能，这里不再赘述。本申请实施例还提供了一种新闻专题创建设备，图8为本申请一实施例提供的新闻专题创建设备的结构示意图，如图8所示，新闻专题创建设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器901和存储器902，存储器902中可以存储有一个或一个以上存储应用程序或数据。其中，存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对新闻专题创建设备中的一系列计算机可执行指令。更进一步地，处理器901可以设置为与存储器902通信，在新闻专题创建设备上执行存储器902中的一系列计算机可执行指令。新闻专题创建设备还可以包括一个或一个以上电源903，一个或一个以上有线或无线网络接口904，一个或一个以上输入输出接口905，一个或一个以上键盘906等。在一个具体的实施例中，新闻专题创建设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对新闻专题创建设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；通过新闻专题创建系统，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题；其中，所述新闻专题用于报道对应的所述新闻事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述新闻专题所报道的新闻事件对应的多篇新闻资讯确定得到。可选地，计算机可执行指令在被执行时，通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合，包括：通过预先训练的资讯聚类模型，提取各篇所述新闻资讯的资讯标题，并计算各篇所述新闻资讯的资讯标题之间的语义相似度；通过预先训练的资讯聚类模型，根据各篇所述新闻资讯的资讯标题之间的语义相似度，对各篇所述新闻资讯进行聚类，得到多个资讯集合。可选地，计算机可执行指令在被执行时，还包括：针对每个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理，根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称。可选地，计算机可执行指令在被执行时，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题，包括：针对每个所述新闻事件，在该新闻事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为用于报道该新闻事件的新闻专题的专题资讯；针对每个所述新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成用于报道该新闻事件的新闻专题的专题名称；针对每个所述新闻事件，基于用于报道该新闻事件的新闻专题的专题资讯和用于报道该新闻事件的新闻专题的专题名称，创建用于报道该新闻事件的新闻专题。可选地，计算机可执行指令在被执行时，还包括：通过新闻专题创建系统，针对每篇新闻资讯，确定该新闻资讯的来源、转载量和阅读量，根据该新闻资讯的来源、转载量和阅读量，确定该新闻资讯的资讯热度。可选地，计算机可执行指令在被执行时，还包括：针对每个所述新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度；根据各个所述新闻事件的事件热度生成事件热度排行榜，将所述事件热度排行榜发送至所述资讯提供方，以供所述资讯提供方根据所述事件热度排行榜提供新闻资讯。本申请实施例中，首先获取资讯提供方提供的多篇新闻资讯，然后通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，最后通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。可见，通过本申请实施例，能够通过资讯聚类模型和新闻专题创建系统自动创建新闻专题，从而解决人工手动创建新闻专题效率低的问题，提高新闻专题的创建效率。需要说明的是，本申请实施例中的新闻专题创建设备能够实现前述的新闻专题创建方法的各个过程，并达到相同的效果和功能，这里不再赘述。在另一个具体的实施例中，新闻专题创建设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对新闻专题创建设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，根据各个所述新闻事件的事件热度，在各个所述新闻事件中选取目标事件；通过新闻专题创建系统，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题；其中，所述新闻专题用于报道所述目标事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述目标事件对应的多篇新闻资讯确定得到。可选地，计算机可执行指令在被执行时，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题，包括：在所述目标事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为所述新闻专题的专题资讯；对各篇所述专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成所述新闻专题的专题名称；基于所述新闻专题的专题名称和所述新闻专题的专题资讯，创建所述新闻专题。可选地，计算机可执行指令在被执行时，根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，包括：针对每个所述新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量；根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度。可选地，计算机可执行指令在被执行时，还包括：根据各个所述新闻事件的事件热度生成事件热度排行榜，将所述事件热度排行榜发送至所述资讯提供方，以供所述资讯提供方根据所述事件热度排行榜提供新闻资讯。通过本申请实施例，可以自动在各个新闻事件中选取热度较高的目标事件，并通过资讯聚类模型和新闻专题创建系统自动创建目标事件对应的新闻专题，从而解决人工手动创建新闻专题效率低的问题，实现热门专题的自动创建，提高新闻专题的创建效率。需要说明的是，本申请实施例中的新闻专题创建设备能够实现前述的新闻专题创建方法的各个过程，并达到相同的效果和功能，这里不再赘述。进一步地，本申请实施例还提供了一种存储介质，用于存储计算机可执行指令，一种具体的实施例中，该存储介质可以为u盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；通过新闻专题创建系统，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题；其中，所述新闻专题用于报道对应的所述新闻事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述新闻专题所报道的新闻事件对应的多篇新闻资讯确定得到。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合，包括：通过预先训练的资讯聚类模型，提取各篇所述新闻资讯的资讯标题，并计算各篇所述新闻资讯的资讯标题之间的语义相似度；通过预先训练的资讯聚类模型，根据各篇所述新闻资讯的资讯标题之间的语义相似度，对各篇所述新闻资讯进行聚类，得到多个资讯集合。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，还包括：针对每个资讯集合，对该资讯集合中的各篇新闻资讯的资讯标题进行分词处理，根据分词得到的多个词，确定该资讯集合对应的新闻事件的事件名称。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，根据各个所述新闻事件对应的多篇新闻资讯，为各个所述新闻事件创建对应的新闻专题，包括：针对每个所述新闻事件，在该新闻事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为用于报道该新闻事件的新闻专题的专题资讯；针对每个所述新闻事件，对该新闻事件对应的各篇专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成用于报道该新闻事件的新闻专题的专题名称；针对每个所述新闻事件，基于用于报道该新闻事件的新闻专题的专题资讯和用于报道该新闻事件的新闻专题的专题名称，创建用于报道该新闻事件的新闻专题。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，还包括：通过新闻专题创建系统，针对每篇新闻资讯，确定该新闻资讯的来源、转载量和阅读量，根据该新闻资讯的来源、转载量和阅读量，确定该新闻资讯的资讯热度。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，还包括：针对每个所述新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度；根据各个所述新闻事件的事件热度生成事件热度排行榜，将所述事件热度排行榜发送至所述资讯提供方，以供所述资讯提供方根据所述事件热度排行榜提供新闻资讯。本申请实施例中，首先获取资讯提供方提供的多篇新闻资讯，然后通过预先训练的资讯聚类模型对该多篇新闻资讯进行聚类，得到多个资讯集合，每个资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，最后通过新闻专题创建系统，根据各个新闻事件对应的多篇新闻资讯，为各个新闻事件创建对应的新闻专题。可见，通过本申请实施例，能够通过资讯聚类模型和新闻专题创建系统自动创建新闻专题，从而解决人工手动创建新闻专题效率低的问题，提高新闻专题的创建效率。需要说明的是，本申请实施例中的存储介质能够实现前述的新闻专题创建方法的各个过程，并达到相同的效果和功能，这里不再赘述。在另一种具体的实施例中，该存储介质可以为u盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：获取资讯提供方提供的多篇新闻资讯，所述新闻资讯中记录有新闻事件对应的新闻内容；通过预先训练的资讯聚类模型对所述多篇新闻资讯进行聚类，得到多个资讯集合；其中，每个所述资讯集合包括的多篇新闻资讯的新闻内容对应同一个新闻事件，不同所述资讯集合对应的所述新闻事件各不相同；根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，根据各个所述新闻事件的事件热度，在各个所述新闻事件中选取目标事件；通过新闻专题创建系统，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题；其中，所述新闻专题用于报道所述目标事件；所述新闻专题包括专题名称和专题资讯，所述专题资讯根据所述目标事件对应的多篇新闻资讯确定得到。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，根据所述目标事件对应的多篇新闻资讯，为所述目标事件创建新闻专题，包括：在所述目标事件对应的多篇新闻资讯中选取未记录预设敏感字和预设敏感词的、并且资讯热度大于预设热度的资讯，将选取的资讯作为所述新闻专题的专题资讯；对各篇所述专题资讯的资讯标题进行分词处理，在分词得到的多个词中，选取词频-逆文本频率指数tf-idf值大于预设阈值的词，根据选取得到的词生成所述新闻专题的专题名称；基于所述新闻专题的专题名称和所述新闻专题的专题资讯，创建所述新闻专题。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，根据各个所述新闻事件对应的多篇新闻资讯，确定各个所述新闻事件的事件热度，包括：针对每个所述新闻事件，确定该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量；根据该新闻事件对应的各篇新闻资讯的来源、转载量和阅读量，确定该新闻事件的事件热度。可选地，该存储介质存储的计算机可执行指令在被处理器执行时，还包括：根据各个所述新闻事件的事件热度生成事件热度排行榜，将所述事件热度排行榜发送至所述资讯提供方，以供所述资讯提供方根据所述事件热度排行榜提供新闻资讯。通过本申请实施例，可以自动在各个新闻事件中选取热度较高的目标事件，并通过资讯聚类模型和新闻专题创建系统自动创建目标事件对应的新闻专题，从而解决人工手动创建新闻专题效率低的问题，实现热门专题的自动创建，提高新闻专题的创建效率。需要说明的是，本申请实施例中的存储介质能够实现前述的新闻专题创建方法的各个过程，并达到相同的效果和功能，这里不再赘述。在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice，pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。当前第1页12