[發明專利]一種標簽分類方法、裝置、電子設備及存儲介質

有效

• 申請號: 201810428522.X
• 申請日: 2018-05-07
• 公開（公告）號: CN108875781B
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 邱志勇;劉黎春
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘;李娟

本發明涉及計算機技術領域，尤其涉及一種標簽分類方法、裝置、電子設備及存儲介質，該方法為，獲取用戶在預設時間段內針對待分類標簽產生的行為序列數據；對行為序列數據進行分析，確定待分類標簽與其它標簽之間的相關性，并根據待分類標簽與其它標簽之間的相關性，計算待分類標簽對應的標簽向量；根據待分類標簽對應的標簽向量和預先訓練的分類模型，確定所述待分類標簽的類別，這樣，根據用戶的行為序列數據，計算獲得標簽的標簽向量，對于復雜內容類型的標簽，可以更加準確地表示標簽的特征，解決了復雜內容的標簽的特征提取困難的問題，可以很大程度上提高標簽分類的準確性。

技術領域

本發明涉及計算機技術領域，尤其涉及一種標簽分類方法、裝置、電子設備及存儲介質。

背景技術

隨著互聯網的迅猛發展，增加了更多不同類型的內容，為了更好的管理和利用這些內容，需要對這些內容進行分類。最為傳統的做法是人工對內容進行分類，但是隨著大數據技術和人工智能技術的發展，現有技術中，逐漸出現了基于大數據和人工智能技術的內容分類方法。

現有技術中，分類方法主要為提取內容的文本信息和/或圖片信息，將其轉換為特征向量，再利用人工標注數據進行分類模型訓練，將該分類模型用于預測未標注的內容的類型。

但是，現有技術中的方法，僅能挖掘可以轉為文本或是圖片的內容，而對于應用程序(Application，app)、商品等這樣的新型內容來說，內容構成更為復雜，文本和圖片僅是其內容的一部分，基于文本或圖片信息進行特征提取，內容特征提取不充分，容易導致分類不準確。

發明內容

本發明實施例提供一種標簽分類方法、裝置、電子設備及存儲介質，以解決現有技術中內容分類準確、比較復雜的問題。

本發明實施例提供的具體技術方案如下：

本發明一個實施例提供了一種標簽分類方法，包括：

獲取用戶在預設時間段內針對待分類標簽產生的行為序列數據；

對所述行為序列數據進行分析，確定所述待分類標簽與其它標簽之間的相關性，并根據所述待分類標簽與其它標簽之間的相關性，計算所述待分類標簽對應的標簽向量；

根據所述待分類標簽對應的標簽向量和預先訓練的分類模型，確定所述待分類標簽的類別。

結合本發明的一個實施例，所述行為序列數據表示用戶按照時間順序對各標簽產生的行為數據。

結合本發明的一個實施例，所述分類模型的訓練方式為：

獲取用戶針對各標簽產生的行為序列數據和所述各標簽的類別；

對所述針對各標簽產生的行為序列數據進行分析，確定所述各標簽之間的相關性，并根據所述各標簽之間的相關性，計算所述各標簽對應的標簽向量；

將所述各標簽對應的標簽向量，以及各標簽的類別作為訓練數據，基于預設的分類模型進行訓練，獲得所述標簽的分類模型。

結合本發明的一個實施例，所述各標簽的類別為預先標注的，或者預先確定出的；

其中，預先確定出各標簽的類別，具體包括：

獲取用戶的搜索下載數據，其中，所述搜索下載數據至少包括搜索詞與對應下載的標簽類別的類別詞；

根據所述搜索下載數據，確定搜索詞與類別詞的相關性，并根據所述搜索詞與類別詞的相關性，獲得各搜索詞與類別詞對應的詞向量；

根據所述各搜索詞與類別詞對應的詞向量，計算搜索詞與類別詞之間的相似度，確定相似度大于預設閾值的搜索詞；

根據相似度大于預設閾值的搜索詞對應的類別詞，確定所述相似度大于預設閾值的搜索詞對應的各標簽的類別。