[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

本發(fā)明公開了一種標(biāo)簽提取方法、裝置、設(shè)備和介質(zhì)，涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域。該方法包括：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；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。本發(fā)明實(shí)施例提供一種標(biāo)簽提取方法、裝置、設(shè)備和介質(zhì)，實(shí)現(xiàn)了對新出現(xiàn)的熱點(diǎn)話題和熱門詞語的標(biāo)簽的提取。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種標(biāo)簽提取方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)

標(biāo)簽作為對內(nèi)容的刻畫特征，對于內(nèi)容理解及推薦系統(tǒng)起到至關(guān)重要的作用。

目前業(yè)界對于標(biāo)簽的提取，常見于利用專業(yè)字典對專業(yè)文獻(xiàn)進(jìn)行標(biāo)簽的提取。例如，通過對旅游相關(guān)網(wǎng)頁的文本數(shù)據(jù)進(jìn)行分詞得到的多個(gè)詞語，然后在該多個(gè)詞語中，若存在旅游字典預(yù)存的關(guān)鍵詞，且該關(guān)鍵詞出現(xiàn)的頻率大于設(shè)定閾值，則將該關(guān)鍵詞作為該網(wǎng)頁文本內(nèi)容的標(biāo)簽。

但是，隨著互聯(lián)網(wǎng)數(shù)據(jù)的爆發(fā)性增長，經(jīng)常會(huì)出現(xiàn)新的熱點(diǎn)話題和熱門詞語等。現(xiàn)有技術(shù)因?yàn)椴荒茴l繁且及時(shí)的更新專業(yè)字典，所以無法對新出現(xiàn)的熱點(diǎn)話題和熱門詞語進(jìn)行標(biāo)簽的提取。

發(fā)明內(nèi)容

本發(fā)明提供一種標(biāo)簽提取方法、裝置、設(shè)備和介質(zhì)，以實(shí)現(xiàn)對新出現(xiàn)的熱點(diǎn)話題和熱門詞語的標(biāo)簽的提取。

第一方面，本發(fā)明實(shí)施例提供了一種標(biāo)簽提取方法，該方法包括：

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；

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。

進(jìn)一步的，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。

進(jìn)一步的，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。

進(jìn)一步的，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。

進(jìn)一步的，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。

進(jìn)一步的，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：