[發明專利]用于生成信息的方法和裝置

有效

• 申請號: 201810088687.7
• 申請日: 2018-01-30
• 公開（公告）號: CN108182180B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 竺晨曦
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06K9/62
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了用于生成信息的方法和裝置。該方法的一具體實施方式包括：獲取目標信息，以及確定目標信息所屬的類別；將目標信息輸入到預先訓練的電話號碼識別模型中，得到目標信息的識別結果，其中，識別結果用于指示目標信息中是否包含電話號碼，電話號碼識別模型用于表征信息與識別結果之間的對應關系；響應于確定出識別結果指示目標信息中包含電話號碼，從目標信息中提取電話號碼，生成包括提取出的電話號碼和類別的記錄。該實施方式提高了電話號碼提取的準確率和覆蓋率。

技術領域

本申請實施例涉及計算機技術領域，具體涉及信息處理技術領域，尤其涉及用于生成信息的方法和裝置。

背景技術

目前，在一些用戶原創內容(UGC，User Generated Content)網站(例如，論壇類網站、社交類網站等)中，一些用戶會將自己的某一需求(例如，房屋出租出售、跳槽等)和電話號碼發表在帖子或者評論區域中，使得其他人(例如，銷售人員、獵頭等)看到后可以與這些具有需求的用戶進一步溝通。因此，如何從這些用戶發表內容中提取出用戶的電話號碼具有重要的意義。

發明內容

本申請實施例提出了用于生成信息的方法和裝置。

第一方面，本申請實施例提供了一種用于生成信息的方法，包括：獲取目標信息，以及確定目標信息所屬的類別；將目標信息輸入到預先訓練的電話號碼識別模型中，得到目標信息的識別結果，其中，識別結果用于指示目標信息中是否包含電話號碼，電話號碼識別模型用于表征信息與識別結果之間的對應關系；響應于確定出識別結果指示目標信息中包含電話號碼，從目標信息中提取電話號碼，生成包括提取出的電話號碼和類別的記錄。

在一些實施例中，目標信息來源于目標網站；以及該方法還包括：獲取在目標網站中發表目標信息的用戶的用戶名。

在一些實施例中，在從目標信息中提取電話號碼之后，該方法還包括：確定提取出的電話號碼的置信度。

在一些實施例中，確定提取出的電話號碼的置信度，包括：統計用戶在目標網站發表的包含電話號碼的信息的數目作為第一數目；統計用戶在目標網站發表的包含提取出的電話號碼的信息的數目作為第二數目；統計在目標網站發表包含電話號碼的信息最多的用戶所發表的包含電話號碼的信息的數目作為第三數目；求取預設數值與第一數目之和的對數作為第一對數，求取預設數值與第三數目之和的對數作為第二對數；將第一對數與第二對數的比值乘以第一數目與第二數目的比值的乘積確定為提取出的電話號碼的置信度。

在一些實施例中，生成包括提取出的電話號碼和類別的記錄，包括：生成包括用戶名、提取出的電話號碼、目標信息、類別和置信度的記錄。

在一些實施例中，該方法還包括：響應于接收到包括類別的搜索請求，獲取所搜索的類別對應的至少一條記錄；從至少一條記錄中按照置信度由大到小的順序選取預設數目個記錄，輸出選取出的記錄。

在一些實施例中，電話號碼識別模型是通過如下步驟訓練得到的：獲取樣本數據集合，其中，樣本數據集合中的每個樣本數據包括樣本信息和識別結果，樣本信息包括包含電話號碼的樣本信息和不包含電話號碼的樣本信息，識別結果包括表征樣本信息包含電話號碼的標識和表征樣本信息不包含電話號碼的標識；利用機器學習方法，將樣本數據集合中的每個樣本數據中的樣本信息作為輸入，將該樣本數據中的識別結果作為輸出，對預設的初始模型進行訓練得到電話號碼識別模型。

在一些實施例中，包含電話號碼的樣本信息是通過如下步驟得到的：在目標網站中獲取至少一個用戶發表的用戶發表信息；利用預設的正則表達式對用戶發表信息進行過濾，得到包含電話號碼的樣本信息。