[發明專利]用于預測應用功能標簽的方法和設備

在審

• 申請號: 201710224830.6
• 申請日: 2017-04-07
• 公開（公告）號: CN107169021A
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 紀志偉;孫造詣;張佩
• 申請（專利權）人: 華為機器有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京龍雙利達知識產權代理有限公司11329
• 代理人: 王君,肖鸝

1.一種用于預測應用App功能標簽的方法，其特征在于，包括：

獲取描述目標App的目標描述文本；

對所述目標描述文本進行分詞，獲得預測數據；

根據所述預測數據和目標主題模型，生成所述目標App在多個功能標簽下的概率分布，所述多個功能標簽為所述目標主題模型的多個主題。

2.如權利要求1所述的方法，其特征在于，所述對所述目標描述文本進行分詞，獲得預測數據，包括：

對所述目標描述文本進行分詞，獲得分詞結果；

過濾所述分詞結果中的停用詞、非法字符、在所述目標描述文本中出現頻次小于n次的詞匯或字符長度小于一個中文字符的詞匯中的至少一種，獲得所述預測數據，n為整數，且n≥1。

3.如權利要求2所述的方法，其特征在于，在所述獲取目標應用App的目標描述文本之前，所述方法還包括：

獲取至少兩個App的基本信息，所述基本信息包括描述文本；

將第一分詞詞庫輸入至分詞系統中，并采用所述分詞系統對所述至少兩個App的描述文本進行分詞，獲得訓練數據；

采用所述訓練數據進行主題建模，生成候選主題模型；

采用所述多個功能標簽替換所述候選主題模型的所述多個主題，生成所述目標主題模型，其中，所述多個功能標簽是根據所述候選主題模型輸出的詞分布確定的。

4.如權利要求3所述的方法，其特征在于，所述方法還包括：

將所述多個主題下的關鍵詞添加至所述第一分詞詞庫中，獲得更新后的第一分詞詞庫。

5.根據權利要求4所述的方法，所述更新后的第一分詞詞庫還包括所述至少兩個App的名稱以及所述分詞系統未能分出的詞。

6.如權利要求4或5所述的方法，其特征在于，所述對所述目標描述文本進行分詞，獲得分詞結果，包括：

將所述更新后的第一分詞詞庫輸入至所述分詞系統中，并采用所述分詞系統對所述目標描述文本進行分詞，獲得所述分詞結果。

7.如權利要求3至6中任一項所述的方法，其特征在于，所述獲取至少兩個App的基本信息，包括：

獲取所述至少兩個App對應在第一應用市場中的至少兩個第一App的基本信息；

根據所述至少兩個第一App的基本信息，獲取所述至少兩個App對應在第二應用市場中的至少兩個第二App的基本信息，其中，所述至少兩個第一App與所述至少兩個第二App一一對應，且所述至少兩個第一App中的第i個第一App與所述至少兩個第二App中的第i個第二App的匹配度大于或等于匹配閾值，i為整數，且i≥1。

將所述至少兩個第一App中的第i個第一App的基本信息和所述至少兩個第二App中的第i個第二App的基本信息作為所述至少兩個App中的第i個App的基本信息。

8.權利要求3至7中任一項所述的方法，其特征在于，所述基本信息還包括名稱和/或圖標。

9.一種用于預測應用App功能標簽的設備，其特征在于，包括：

數據采集單元，用于獲取描述目標App的目標描述文本；

數據預處理單元，用于對所述目標描述文本進行分詞，獲得預測數據；

模型輸出單元，用于根據所述預測數據和目標主題模型，生成所述目標App在多個功能標簽下的概率分布，所述多個功能標簽為所述目標主題模型的多個主題。

10.如權利要求9所述的設備，其特征在于，所述數據預處理單元用于：

對所述目標描述文本進行分詞，獲得分詞結果；

過濾所述分詞結果中的停用詞、非法字符、在所述目標描述文本中出現頻次小于n次的詞匯或字符長度小于一個中文字符的詞匯中的至少一種，獲得所述預測數據，n為整數，且n≥1。