[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

技術領域

本申請涉及應用App領域，并且更具體地，涉及一種用于預測應用(application，App)功能標簽的方法和設備。

背景技術

隨著網絡環境的日益完善、移動互聯網技術的發展，各類移動互聯網應用的需求逐漸被激發，手機App應用市場前景巨大。App不再僅僅具有單一的功能，而是能夠滿足用戶多方面的需求。應用市場上現有的對于App的功能劃分主要還是人工進行的，即由App的應用市場規定App的功能標簽的類別，由App的開發者人工對App打上功能標簽，提交到App的應用市場。但是，這種人工對App打上功能標簽的方法存在很大的主觀性，無法全面刻畫App的功能，同時也很耗費時間。

因此，亟需一種對于多功能的App的更加客觀的分類方法，以更全面的刻畫App的功能。

發明內容

本申請提供一種用于預測應用App功能標簽的方法和設備，能夠實現對多功能的App的更加客觀的分類，更加全面的刻畫App的功能。

第一方面，提供了一種用于預測應用App功能標簽的方法，包括：

獲取描述目標App的目標描述文本；

對該目標描述文本進行分詞，獲得預測數據；

根據該預測數據和目標主題模型，生成該目標App在多個功能標簽下的概率分布，該多個功能標簽為該目標主題模型的多個主題。

可選地，在對該目標描述文本進行分詞時，可以采用NLPIR漢語分詞系統對目標描述文本進行分詞。其中，NLPIR漢語分詞系統又名ICTCLAS2013。

可選地，該目標主題模型可以是潛在狄利克雷分配(latent dirichlet allocation，LDA)模型。

其中，多個可以理解成至少兩個或者至少三個。

本申請實施例的用于預測應用功能標簽的方法，通過對App的標描述文本進行分詞，獲得預測數據，并通過主題模型對預測數據進行處理，可以得到App在多個功能標簽下的概率分布，從而能夠實現對多功能的App的更加客觀的分類，更加全面的刻畫App的功能。并且，由于該方法是利用計算機自動為App打上標簽，告別了人工為App打標簽的繁瑣過程。

在一種可能的實現方式中，該對該目標描述文本進行分詞，獲得預測數據，包括：

對該目標描述文本進行分詞，獲得分詞結果；

過濾該分詞結果中的停用詞、非法字符、在該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，獲得該預測數據，n為整數，且n≥1。

在一種可能的實現方式中，在該獲取目標應用App的目標描述文本之前，該方法還可以包括：

獲取至少兩個App的基本信息，該至少兩個App不包括該目標App，該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，并采用該分詞系統對該至少兩個App的描述文本進行分詞，獲得訓練數據；

采用該訓練數據進行主題建模，生成候選主題模型；

采用該多個功能標簽替換該候選主題模型的該多個主題，生成該目標主題模型，其中，該多個功能標簽是根據該候選主題模型輸出的詞分布確定的。

可選地，采用分詞系統對該至少兩個App的描述文本進行分詞，獲得訓練數據具體可以包括：先采用分詞系統對該至少兩個App的描述文本進行分詞，再過濾該分詞結果中的停用詞、非法字符、在該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，獲得該預測數據，n為整數，且n≥1。

在一種可能的實現方式中，該方法還可以包括：將根據該詞分布確定的關鍵詞添加至該第一分詞詞庫中，獲得更新后的第一分詞詞庫。

在一種可能的實現方式中，該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。

在一種可能的實現方式中，該對該目標描述文本進行分詞，獲得分詞結果，包括：

將該更新后的第一分詞詞庫輸入至該分詞系統中，并采用該分詞系統對該目標描述文本進行分詞，獲得該分詞結果。

通過這樣不斷地更新分析系統，能夠不斷完善分詞系統，提高分詞系統的分詞性能。

在一種可能的實現方式中，該獲取至少兩個App的基本信息，包括：

獲取第一應用市場中至少兩個第一App的基本信息；