[發明專利]一種問題標簽標注方法及裝置

有效

• 申請號: 201210590047.9
• 申請日: 2012-12-28
• 公開（公告）號: CN103020295A
• 公開（公告）日: 2013-04-03
• 發明（設計）人: 陳玉焓
• 申請（專利權）人: 新浪網技術（中國）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

1.一種問題標簽標注方法，其特征在于，包括：

對待標注問題進行分詞處理，得到所述待標注問題包括的各問題分詞；

從所述各問題分詞中確定詞性為預設詞性的各第一待選問題分詞；

基于預設詞性與第一權重值的對應關系，根據所述各第一待選問題分詞的詞性，分別確定所述各第一待選問題分詞的第一權重值；

基于所述各第一待選問題分詞的第一權重值，從所述各第一待選問題分詞中選擇問題分詞作為問題標簽，對所述待標注問題進行標注。

2.如權利要求1所述的方法，其特征在于，在從所述各問題分詞中確定詞性為預設詞性的各第一待選問題分詞之前，還包括：

確定所述各問題分詞中在預設標簽庫中存在的各第二待選問題分詞；

從所述各問題分詞中確定詞性為預設詞性的各第一待選問題分詞，具體為：

從所述各問題分詞中除所述各第二待選問題分詞之外的問題分詞中，確定詞性為預設詞性的各第一待選問題分詞。

3.如權利要求2所述的方法，其特征在于，在確定所述各問題分詞中在預設標簽庫中存在的各第二待選問題分詞之后，還包括：

根據所述各第二待選問題分詞分別在歷史統計的多個問題中出現的次數，分別確定所述各第二待選問題分詞的第二權重值；

基于所述各第二待選問題分詞的第二權重值，從所述各第二待選問題分詞中選擇問題分詞作為問題標簽，對所述待標注問題進行標注。

4.如權利要求3所述的方法，其特征在于，還包括：

從所述預設標簽庫中，確定與作為問題標簽的第二待選問題分詞的相似度滿足預設相似度條件的詞語；

將滿足預設相似度條件的詞語作為問題標簽，對所述待標注問題進行標注。

5.如權利要求4所述的方法，其特征在于，采用如下方式確定兩個詞語的相似度：

確定所述兩個詞語的相似度為所述兩個詞語的特征向量的相似度，其中，詞語的特征向量的維度為歷史統計的N個問題的數量，詞語的特征向量的N個分量與N個問題一一對應，針對N個問題中的每個問題，當詞語在該問題中出現時，該詞語的特征向量的與該問題對應的分量的分量值為1，當詞語在該問題中未出現時，該詞語的特征向量的與該問題對應的分量的分量值為0。

6.如權利要求2-5任一所述的方法，其特征在于，還包括：

將從所述各第一待選問題分詞中選擇的作為問題標簽的第一待選問題分詞添加到預設標簽庫中。

7.如權利要求1所述的方法，其特征在于，在對待標注問題進行分詞處理之后，還包括：

確定所述各問題分詞中在預設標簽庫中存在的各第二待選問題分詞；

根據所述各第二待選問題分詞分別在歷史統計的多個問題中出現的次數，分別確定所述各第二待選問題分詞的第二權重值；

基于所述各第一待選問題分詞的第一權重值，從所述各第一待選問題分詞中選擇問題分詞作為問題標簽，對所述待標注問題進行標注，具體包括：

將在所述各第一待選問題分詞或所述各第二待選問題分詞中存在的問題分詞確定為各第三待選問題分詞；

基于所述各第三待選問題分詞的第一權重值和第二權重值，確定所述各第三待選問題分詞的第三權重值，其中，所述各第三待選問題分詞中不屬于第一待選問題分詞的第二待選問題分詞的第一權重值為0，所述各第三待選問題分詞中不屬于第二待選問題分詞的第一待選問題分詞的第二權重值為0；

基于所述各第三待選問題分詞的第三權重值，從所述各第三待選問題分詞中選擇問題分詞作為問題標簽，對所述待標注問題進行標注。

8.一種問題標簽標注裝置，其特征在于，包括：

分詞單元，用于對待標注問題進行分詞處理，得到所述待標注問題包括的各問題分詞；

第一分詞選擇單元，用于從所述各問題分詞中確定詞性為預設詞性的各第一待選問題分詞；

第一權重確定單元，用于基于預設詞性與第一權重值的對應關系，根據所述各第一待選問題分詞的詞性，分別確定所述各第一待選問題分詞的第一權重值；

標注單元，用于基于所述各第一待選問題分詞的第一權重值，從所述各第一待選問題分詞中選擇問題分詞作為問題標簽，對所述待標注問題進行標注。