[發(fā)明專利]網(wǎng)頁主題句的抽取方法及裝置

在審

• 申請?zhí)枺?/td>: 201510818653.5
• 申請日: 2015-11-20
• 公開（公告）號: CN105488024A
• 公開（公告）日: 2016-04-13
• 發(fā)明（設(shè)計(jì)）人: 李晨堯;曾洪雷
• 申請（專利權(quán)）人: 廣州神馬移動信息科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30;G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王寶筠

1.一種網(wǎng)頁主題句的抽取方法，其特征在于，包括：

獲取待確定網(wǎng)頁、以及預(yù)先構(gòu)建的機(jī)器學(xué)習(xí)模型；其中，所述待確定網(wǎng)頁中包含多個預(yù) 選取的備選主題句，每個所述備選主題句中包含若干分詞；

將表示所述分詞在待確定網(wǎng)頁中重要程度的詞語特征值輸入至所述機(jī)器學(xué)習(xí)模型，獲 得所述分詞的偏序值；

依據(jù)每個所述備選主題句包含的分詞的偏序值，確定每個所述備選主題句各自的偏序 值；

將偏序值大于預(yù)設(shè)閾值的備選主題句確定為目標(biāo)主題句。

2.根據(jù)權(quán)利要求1所述的網(wǎng)頁主題句的抽取方法，其特征在于，所述機(jī)器學(xué)習(xí)模型的構(gòu) 建方法具體包括：

獲取若干網(wǎng)頁樣本的網(wǎng)頁標(biāo)題；其中，每個所述網(wǎng)頁樣本均對應(yīng)若干用于召回網(wǎng)頁樣 本自身的查詢語句，每個所述查詢語句均具有權(quán)重值，所述權(quán)重值用于表示查詢語句與該 查詢語句召回的網(wǎng)頁樣本之間的關(guān)聯(lián)程度；

針對每個所述網(wǎng)頁標(biāo)題，依據(jù)標(biāo)注值公式label(termj)=Σm=0k(vm*wm(termj)/(Σn=0swm(termn))),]]>計(jì)算所述網(wǎng)頁標(biāo)題包含的每個分詞的標(biāo)注值；

其中，所述term_j表示網(wǎng)頁標(biāo)題中包含的第j個分詞，label(term_j)表示分詞term_j的標(biāo) 注值，m表示某一個查詢語句，k表示所述查詢語句的個數(shù)，v_m表示查詢語句m的權(quán)重值，w_m(term_j)表示分詞term_j在查詢語句m中的權(quán)重值，n表示網(wǎng)頁標(biāo)題中的某一個分詞，s表示網(wǎng) 頁標(biāo)題中分詞的個數(shù)；

針對每個所述網(wǎng)頁標(biāo)題，確定所述網(wǎng)頁標(biāo)題包含的每個分詞用于表示分詞在網(wǎng)頁樣本 中的重要程度的詞語特征值；

依據(jù)預(yù)設(shè)的機(jī)器訓(xùn)練算法，對所述若干網(wǎng)頁標(biāo)題中每個分詞的標(biāo)注值及詞語特征值進(jìn) 行訓(xùn)練，獲得機(jī)器學(xué)習(xí)模型。

3.根據(jù)權(quán)利要求2所述的網(wǎng)頁主題句的抽取方法，其特征在于，所述機(jī)器訓(xùn)練算法為 GBRank訓(xùn)練算法，所述GBRank訓(xùn)練算法中的偏序比較方式為pairwise偏序比較，所述 GBRank訓(xùn)練算法中的損失函數(shù)為交叉熵。

4.根據(jù)權(quán)利要求1所述的網(wǎng)頁主題句的抽取方法，其特征在于，所述依據(jù)每個所述備選 主題句包含的分詞的偏序值，確定每個所述備選主題句各自的偏序值，包括：

針對每個所述備選主題句，將所述備選主題句中分詞的偏序值進(jìn)行加權(quán)求和，獲得所 述備選主題句的偏序值。