[發明專利]一種標簽提取方法、裝置、設備和介質

有效

• 申請號: 201711136511.6
• 申請日: 2017-11-16
• 公開（公告）號: CN107861948B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 孫健
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F40/258
• 分類號: G06F40/258;G06F40/284;G06F40/289;G06F16/9535;G06F16/957
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種標簽提取方法，其特征在于，包括：

對文本數據進行分詞，得到多個實詞，并根據所述實詞確定候選標簽詞；其中，文本數據為待進行標簽提取的文本內容；

將每個候選標簽詞依次作為當前候選標簽詞，并根據所述當前候選標簽詞在所述文本數據中的熱度趨勢，確定所述當前候選標簽詞在當前時刻的熱度值；

判斷所述熱度值是否滿足設定標簽詞條件，若滿足，則將所述當前候選標簽詞作為標簽詞；

其中，所述根據所述實詞確定候選標簽詞，包括：

利用預設模型確定所述實詞的語義向量；

根據所述語義向量確定所述實詞之間的語義距離；

對于每一個實詞，根據所述語義距離，以當前實詞為鄰域中心，以設定半徑值為半徑確定當前鄰域；

若所述當前鄰域內的實詞個數大于預設實詞個數，則將所述當前實詞作為標簽詞，并將所述當前鄰域內除標簽詞以外的實詞作為候選標簽詞；若所述當前鄰域內的實詞個數不大于所述預設實詞個數，則對所述當前領域的半徑進行調整。

2.根據權利要求1所述的方法，其特征在于，根據所述當前候選標簽詞在所述文本數據中的熱度趨勢，確定所述當前候選標簽詞在當前時刻的熱度值包括：

根據所述當前候選標簽詞在所述文本數據中的熱度趨勢，確定所述當前候選標簽詞在當前時刻的熱度向量；

根據所述熱度向量確定所述當前候選標簽詞在當前時刻的熱度值。

3.根據權利要求2所述的方法，其特征在于，所述根據所述當前候選標簽詞在所述文本數據中的熱度趨勢，確定所述當前候選標簽詞在當前時刻的熱度向量包括：

將所述文本數據根據生成時間進行排列；

按照設定時間間隔將排列后的所述文本數據劃分成多個數據塊；

確定所述當前候選標簽詞在每個數據塊的熱度；

根據所述當前候選標簽詞在相鄰數據塊中的熱度，確定所述當前候選標簽詞在當前時刻的熱度向量。

4.根據權利要求3所述的方法，其特征在于，確定所述當前候選標簽詞在每個數據塊的熱度包括：

根據所述當前候選標簽詞在每個數據塊中的詞頻、共現組合新詞頻率和/或詞頻逆文檔頻率，確定所述當前候選標簽詞在每個數據塊的熱度。

5.根據權利要求3所述的方法，其特征在于，根據所述當前候選標簽詞在相鄰數據塊中的熱度，確定所述當前候選標簽詞在當前時刻的熱度向量包括：

將截至當前時刻的設定時長的時間段作為當前時間段；

遍歷所述當前時間段內的數據塊，以逐一比較所述當前候選標簽詞在相鄰所述數據塊中的熱度；

根據比較結果確定所述當前候選標簽詞在當前時刻的熱度向量。

6.根據權利要求5所述的方法，其特征在于，根據比較結果確定所述當前候選標簽詞在當前時刻的熱度向量包括：

若所述當前候選標簽詞在所述當前時間段內，目標時刻的相鄰數據塊中的晚于目標時刻的數據塊中的熱度，大于、等于或小于在早于目標時刻的數據塊中的熱度，則對應將第一設定值、第二設定值或第三設定值作為所述當前候選標簽詞在目標時刻的熱度向量，其中第一設定值大于第二設定值，第二設定值大于第三設定值；

將不同的目標時刻的熱度向量構成的多維度向量，作為所述當前候選標簽詞在當前時刻的熱度向量。

7.根據權利要求2所述的方法，其特征在于，所述根據所述熱度向量確定所述當前候選標簽詞在當前時刻的熱度值包括：

將所述熱度向量的模，確定為所述當前候選標簽詞在當前時刻的熱度值。

8.根據權利要求1所述的方法，其特征在于，在對于每一個實詞，根據所述語義距離，以當前實詞為鄰域中心，以設定半徑值為半徑確定當前鄰域之后，還包括：

根據預設半徑值范圍對所述鄰域進行更新。

9.根據權利要求1所述的方法，其特征在于，所述預設模型至少包括：文本深度表示模型或主題模型。