[發明專利]主題詞分類模型創建方法、創建裝置及存儲介質

有效

• 申請號: 201710447182.0
• 申請日: 2017-06-14
• 公開（公告）號: CN107330009B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 孫子荀
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

1.一種主題詞分類模型創建方法，其特征在于，包括：

獲取多個模型訓練文檔，并提取所述模型訓練文檔的標簽詞，以建立所述模型訓練文檔與所述標簽詞的映射內容庫；

基于相似度算法，獲取所述標簽詞對應的核心主題詞組；其中所述核心主題詞組中包括多個核心主題詞；

基于所述映射內容庫，獲取所述核心主題詞組對應的第一模型訓練文檔集合；

基于機器學習算法，對多個所述模型訓練文檔進行分類操作；其中每個類別的模型訓練文檔具有一個主體類別標識；

基于所述映射內容庫，獲取所述標簽詞對應的所有模型訓練文檔的主體類別標識，并將所述主體類別標識對應的所有模型訓練文檔作為第二模型訓練文檔集合；以及

將所述標簽詞對應的第一模型訓練文檔集合和第二模型訓練文檔集合中重復的模型訓練文檔作為正樣本，所述映射內容庫中的其他模型訓練文檔作為負樣本，創建所述標簽詞的主題詞分類模型。

2.根據權利要求1所述的主題詞分類模型創建方法，其特征在于，

所述獲取多個模型訓練文檔的步驟包括：

通過網絡內容爬蟲，獲取多個模型訓練文檔；

所述提取所述模型訓練文檔的標簽詞的步驟包括：

基于TextRank算法，提取所述模型訓練文檔的標簽詞。

3.根據權利要求1所述的主題詞分類模型創建方法，其特征在于，所述基于相似度算法，獲取所述標簽詞對應的核心主題詞組的步驟包括：

計算所述模型訓練文檔中所有詞語單元的詞向量；

根據所述詞語單元的詞向量，獲取所述標簽詞對應的預備主題詞組；以及

根據所述預備主題詞組中預備主題詞的出現次數，獲取所述標簽詞對應的核心主題詞組。

4.根據權利要求3所述的主題詞分類模型創建方法，其特征在于，所述據所述詞語單元的詞向量，獲取所述標簽詞對應的預備主題詞組的步驟包括：

根據所述詞語單元的詞向量，獲取與所述標簽詞的向量距離小于第一設定值的所有第一預備主題詞；

根據所述詞語單元的詞向量，獲取與所述第一預備主題詞的向量距離小于第二設定值的第二預備主題詞；以及

使用所有第一預備主題詞和對應的第二預備主題詞，建立預備主題詞組；其中所述預備主題詞組中包括多個預備主題詞。

5.根據權利要求3所述的主題詞分類模型創建方法，其特征在于，所述根據所述預備主題詞組中預備主題詞的出現次數，獲取所述標簽詞對應的核心主題詞組的步驟包括：

將所述預備主題詞組中出現次數小于第三設定值的預備主題詞刪除，從而獲取所述標簽詞對應的核心主題詞組。

6.根據權利要求1所述的主題詞分類模型創建方法，其特征在于，所述將所述主體類別標識對應的所有模型訓練文檔作為第二模型訓練文檔集合的步驟包括：

根據所述標簽詞對應的所有模型訓練文檔的主體類別標識的出現次數，設定所述標簽詞的主體類別標識集合；以及

根據所述標簽詞的主體類別標識集合中的主體類別標識，確定所述標簽詞對應的第二模型訓練文檔集合。

7.根據權利要求6所述的主題詞分類模型創建方法，其特征在于，所述根據所述標簽詞對應的所有模型訓練文檔的主體類別標識的出現次數，設定所述標簽詞的主體類別標識集合的步驟包括：

將出現次數大于第四設定值的標簽詞對應的所有模型訓練文檔的主體類別標識，設置到所述標簽詞的主體類別標識集合中。

8.根據權利要求6所述的主題詞分類模型創建方法，其特征在于，所述根據所述標簽詞對應的所有模型訓練文檔的主體類別標識的出現次數，設定所述標簽詞的主體類別標識集合的步驟包括：

按出現次數，由大到小對所述標簽詞對應的所有模型訓練文檔的主體類別標識進行排序；以及

將排序后的前n個主體類別標識，設置到所述標簽詞的主體類別標識集合中；其中n為正整數。