[發明專利]網頁主題句的抽取方法及裝置

在審

• 申請號: 201510818653.5
• 申請日: 2015-11-20
• 公開（公告）號: CN105488024A
• 公開（公告）日: 2016-04-13
• 發明（設計）人: 李晨堯;曾洪雷
• 申請（專利權）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: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

技術領域

本申請涉及互聯網應用技術領域，更具體地，是一種網頁主題句的抽取方法及裝 置。

背景技術

隨著互聯網技術的快速發展，互聯網已經成為人們獲得信息的重要渠道。具體地， 信息查詢用戶可以在搜索引擎中輸入某個查詢詞語，搜索引擎便召回多個網頁，以供用戶 進行選擇性查看。需要說明的是，為了方便用戶的查看，召回的網頁是按照與查詢語句的相 關度，依次排列在搜索引擎中的。

其中，相關度即召回網頁的主題句與查詢語句的相似度。例如，查詢語句為“乙肝 的癥狀”，召回網頁1的主題句為“乙肝的癥狀有哪些”，召回網頁2的主題句為“乙肝病毒傳 播途徑”。召回網頁1的主題句與查詢語句更相似，因此，召回網頁1與查詢語句更相關，進而 便會排列在搜索結果的較前位置?？梢?，網頁主題句會直接影響召回網頁的排列順序，進而 影響用戶對搜索結果的滿意度。

目前，網頁主題句的抽取方式是人工根據一些任意的網頁總結抽取規則，依據該 抽取規則來確定某個待確定網頁的主題句。然而，該種方式確定的主題句準確率較低。

發明內容

有鑒于此，本申請提供了一種網頁主題句的抽取方法，用以解決技術中確定的主 題句準確率較低的技術問題。另外，本申請還提供了一種網頁主題句的抽取裝置，用以保證 所述方法在實際中的應用及實現。

為實現所述目的，本申請提供的技術方案如下：

本申請的第一方面提供了一種網頁主題句的抽取方法，包括：

獲取待確定網頁、以及預先構建的機器學習模型；其中，所述待確定網頁中包含多 個預選取的備選主題句，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頁中重要程度的詞語特征值輸入至所述機器學習模 型，獲得所述分詞的偏序值；

依據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；

將偏序值大于預設閾值的備選主題句確定為目標主題句。

本申請的第二方面提供了一種網頁主題句的抽取裝置，包括：

網頁及模型獲取模塊，用于獲取待確定網頁、以及預先構建的機器學習模型；其 中，所述待確定網頁中包含多個預選取的備選主題句，每個所述備選主題句中包含若干分 詞；

分詞偏序值確定模塊，用于將表示所述分詞在待確定網頁中重要程度的詞語特征 值輸入至所述機器學習模型，獲得所述分詞的偏序值；

主題句偏序確定模塊，用于依據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；

目標主題句確定模塊，用于將偏序值大于預設閾值的備選主題句確定為目標主題 句。

由以上可知，本申請具有如下優點：

本申請提供的網頁主題句的抽取方法實施例，首先獲取到待確定的網頁，待確定 網頁中包含多個備選的主題句，備選主題句中包含若干分詞，分別確定每個分詞的詞語特 征值，將詞語特征值輸入至預設的機器學習模型中，從而獲得分詞的偏序值，進一步依據分 詞的偏序值，確定出備選主題句的偏序值，最終將偏序值大于預設閾值的備選主題句確定 為目標主題句?？梢?，本實施例利用機器學習模型，來獲得備選主題句的偏序值，由于機器 學習模型可以反映查詢語句與召回的網頁之間的關聯程度，因此，確定出的偏序值更加準 確，從而提高了目標主題句的選取準確率。

附圖說明

為了更清楚地說明本申請實施例或現有技術中的技術方案，下面將對實施例或現 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 申請的實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據 提供的附圖獲得其他的附圖。

圖1為本申請提供的網頁主題句的抽取方法實施例1的流程圖；

圖2為本申請提供的機器學習模型的構建方法流程圖；

圖3為本申請提供的網頁主題句的抽取裝置實施例1的結構框圖；

圖4為本申請提供的網頁主題句的抽取裝置實施例2的結構框圖。

具體實施方式