[發(fā)明專利]一種標(biāo)簽提取方法、裝置、設(shè)備和介質(zhì)

有效

• 申請?zhí)枺?/td>: 201711136511.6
• 申請日: 2017-11-16
• 公開（公告）號(hào): CN107861948B
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 孫健
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號(hào): G06F40/258
• 分類號(hào): 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(biāo)簽提取方法，其特征在于，包括：

對文本數(shù)據(jù)進(jìn)行分詞，得到多個(gè)實(shí)詞，并根據(jù)所述實(shí)詞確定候選標(biāo)簽詞；其中，文本數(shù)據(jù)為待進(jìn)行標(biāo)簽提取的文本內(nèi)容；

將每個(gè)候選標(biāo)簽詞依次作為當(dāng)前候選標(biāo)簽詞，并根據(jù)所述當(dāng)前候選標(biāo)簽詞在所述文本數(shù)據(jù)中的熱度趨勢，確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度值；

判斷所述熱度值是否滿足設(shè)定標(biāo)簽詞條件，若滿足，則將所述當(dāng)前候選標(biāo)簽詞作為標(biāo)簽詞；

其中，所述根據(jù)所述實(shí)詞確定候選標(biāo)簽詞，包括：

利用預(yù)設(shè)模型確定所述實(shí)詞的語義向量；

根據(jù)所述語義向量確定所述實(shí)詞之間的語義距離；

對于每一個(gè)實(shí)詞，根據(jù)所述語義距離，以當(dāng)前實(shí)詞為鄰域中心，以設(shè)定半徑值為半徑確定當(dāng)前鄰域；

若所述當(dāng)前鄰域內(nèi)的實(shí)詞個(gè)數(shù)大于預(yù)設(shè)實(shí)詞個(gè)數(shù)，則將所述當(dāng)前實(shí)詞作為標(biāo)簽詞，并將所述當(dāng)前鄰域內(nèi)除標(biāo)簽詞以外的實(shí)詞作為候選標(biāo)簽詞；若所述當(dāng)前鄰域內(nèi)的實(shí)詞個(gè)數(shù)不大于所述預(yù)設(shè)實(shí)詞個(gè)數(shù)，則對所述當(dāng)前領(lǐng)域的半徑進(jìn)行調(diào)整。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述當(dāng)前候選標(biāo)簽詞在所述文本數(shù)據(jù)中的熱度趨勢，確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度值包括：

根據(jù)所述當(dāng)前候選標(biāo)簽詞在所述文本數(shù)據(jù)中的熱度趨勢，確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量；

根據(jù)所述熱度向量確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述當(dāng)前候選標(biāo)簽詞在所述文本數(shù)據(jù)中的熱度趨勢，確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量包括：

將所述文本數(shù)據(jù)根據(jù)生成時(shí)間進(jìn)行排列；

按照設(shè)定時(shí)間間隔將排列后的所述文本數(shù)據(jù)劃分成多個(gè)數(shù)據(jù)塊；

確定所述當(dāng)前候選標(biāo)簽詞在每個(gè)數(shù)據(jù)塊的熱度；

根據(jù)所述當(dāng)前候選標(biāo)簽詞在相鄰數(shù)據(jù)塊中的熱度，確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，確定所述當(dāng)前候選標(biāo)簽詞在每個(gè)數(shù)據(jù)塊的熱度包括：

根據(jù)所述當(dāng)前候選標(biāo)簽詞在每個(gè)數(shù)據(jù)塊中的詞頻、共現(xiàn)組合新詞頻率和/或詞頻逆文檔頻率，確定所述當(dāng)前候選標(biāo)簽詞在每個(gè)數(shù)據(jù)塊的熱度。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)所述當(dāng)前候選標(biāo)簽詞在相鄰數(shù)據(jù)塊中的熱度，確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量包括：

將截至當(dāng)前時(shí)刻的設(shè)定時(shí)長的時(shí)間段作為當(dāng)前時(shí)間段；

遍歷所述當(dāng)前時(shí)間段內(nèi)的數(shù)據(jù)塊，以逐一比較所述當(dāng)前候選標(biāo)簽詞在相鄰所述數(shù)據(jù)塊中的熱度；

根據(jù)比較結(jié)果確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，根據(jù)比較結(jié)果確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量包括：

若所述當(dāng)前候選標(biāo)簽詞在所述當(dāng)前時(shí)間段內(nèi)，目標(biāo)時(shí)刻的相鄰數(shù)據(jù)塊中的晚于目標(biāo)時(shí)刻的數(shù)據(jù)塊中的熱度，大于、等于或小于在早于目標(biāo)時(shí)刻的數(shù)據(jù)塊中的熱度，則對應(yīng)將第一設(shè)定值、第二設(shè)定值或第三設(shè)定值作為所述當(dāng)前候選標(biāo)簽詞在目標(biāo)時(shí)刻的熱度向量，其中第一設(shè)定值大于第二設(shè)定值，第二設(shè)定值大于第三設(shè)定值；

將不同的目標(biāo)時(shí)刻的熱度向量構(gòu)成的多維度向量，作為所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度向量。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述熱度向量確定所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度值包括：

將所述熱度向量的模，確定為所述當(dāng)前候選標(biāo)簽詞在當(dāng)前時(shí)刻的熱度值。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，在對于每一個(gè)實(shí)詞，根據(jù)所述語義距離，以當(dāng)前實(shí)詞為鄰域中心，以設(shè)定半徑值為半徑確定當(dāng)前鄰域之后，還包括：

根據(jù)預(yù)設(shè)半徑值范圍對所述鄰域進(jìn)行更新。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)模型至少包括：文本深度表示模型或主題模型。