目前在新闻资讯行业,拥有较多优质内容沉淀的公司具有更强竞争力。但对于初入新闻资讯行业的公司或项目,其对接的资讯内容数量有限。快速并精准地从有限的新闻内容池中获取优质内容,方能最大化利用现有新闻内容存量,进而迅速提高产品自身竞争力。在现有新闻内容池环境下,高质量新闻文章一般由人工筛选,人力成本较高,且筛选周期较长,筛选出的优质新闻质量也没有固定的标准,最终导致优质时效新闻无法及时被曝光。新闻内容池文章的质量保障工作缺乏完整的评分、入库体系。本文分析了小米资讯平台在构建高质量新闻内容池环节遇到的以上问题,提出了高质量新闻的六大标准（时效性、原创度、来源权威度、垂类领域权威度、交互度、内容质量）。同时总结了国内外针对Web文本挖掘的应用现状,并将其思想应用于新闻资讯行业中的新闻质量保障环节,充分利用了现有网络环境下的新闻资讯信息去获取时下热点新闻信息。详细来说,即首先由运营团队选出一批门户站点并标注目标爬取区域,以配置文件的形式存放至Shepher中,接着系统对爬取到的Web文本信息（即新闻数据）利用SensorScore打分规则进行评分,取得分较高的事件,从而挖掘出Web文本信息中的热门事件。接着系统根据热门事件标题利用分词、TextRank等技术提取其关键词,通过调用内容池检索接口进行文章匹配,得到候选文章。最后系统通过Tri-Dedup三重降重算法去重,依据高质量新闻标准挑选具有较高时效性的优质文章。本文提出的新闻内容池文章质量保障系统,作为人工辅助系统,能够自动化地完成文章入库、热点获取、质量评分、优质新闻资讯队列输出等环节,保证了小米资讯内容平台的整体优质,对初入新闻资讯行业的公司或团队有一定的参考价值。本系统能够及时挑选出刚进入内容池的一部分潜在优质热点新闻文章,在运营人员与原始内容池之间建立优质内容候选池,极大地降低了运营挑选文章的人力成本。同时,本系统提出了基于缓存的内容池文章检索机制,降低了检索环节的耗时,使得优质新闻队列更新频率能与全网新闻更新频率保持同步。目前,本项目已经上线正式运行,日均处理文章总量达10万篇左右,其中能够挑选出2000篇左右优质时效性文章,满足运营推荐需求的文章准确率在90%以上,对高质量新闻内容的召回率也在80%以上,符合预期。该项目的上线极大地降低了人工成本,提高了支撑小米新闻资讯产品的推荐文章整体质量。