[發明專利]用于生成文檔標簽的方法、裝置、電子設備和存儲介質

有效

• 申請號: 201810696336.4
• 申請日: 2018-06-29
• 公開（公告）號: CN108875059B
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 劉呈祥;何伯磊;肖欣延;吳甜
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/205;G06F40/295;G06F40/30
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 李輝;張曦

1.一種用于生成文檔標簽的方法，包括：

對給定的文檔進行文本分析，以得到所述文檔的文本分析結果；

從預定模型集合中選擇至少一個標簽生成模型，所述預定模型集合包括多個候選標簽生成模型，所述多個候選標簽生成模型基于不同的功能來生成標簽并且基于訓練文本分析結果和訓練標簽而被建立；

將所述文本分析結果輸入到所述至少一個標簽生成模型，來生成所述文檔的原始標簽；以及

優化所述原始標簽，以得到所述文檔的目標標簽。

2.根據權利要求1所述的方法，其中所述預定模型集合包括以下至少一項：

語義結構分析模型、SimNet模型、主題模型、層次化抽取模型、時效性標簽抽取模型和欺騙性標簽識別模型。

3.根據權利要求2所述的方法，進一步包括以下至少一項：

向所述預定模型集合添加新的候選標簽生成模型；以及

響應于所述預定模型集合中的候選標簽生成模型未滿足預定條件，從所述預定模型集合中去除所述候選標簽生成模型。

4.根據權利要求1所述的方法，其中所述多個候選標簽生成模型是基于以下至少一項來訓練的：

反映文檔結構的訓練標簽、反映文檔語義的訓練標簽、反映文檔主題的訓練標簽、反映多個關注點的共同上位關注點的訓練標簽、反映當前熱門關注點的訓練標簽或反映欺騙性關注點的訓練標簽。

5.根據權利要求1所述的方法，其中優化所述原始標簽包括針對所述原始標簽執行以下至少一項：

合并、歸一化改寫、歧義消除、排序和人工干預。

6.根據權利要求1所述的方法，其中對給定的文檔進行文本分析包括針對所述文檔執行以下至少一項：

分段、分句、分詞、詞性標注、命名實體識別和依存關系分析。

7.一種用于生成文檔標簽的裝置，包括：

文本分析模塊，被配置為對給定的文檔進行文本分析，以得到所述文檔的文本分析結果；

模型選擇模塊，被配置為從預定模型集合中選擇至少一個標簽生成模型，所述預定模型集合包括多個候選標簽生成模型，所述多個候選標簽生成模型基于不同的功能來生成標簽并且基于訓練文本分析結果和訓練標簽而被建立；

原始標簽生成模塊，被配置為將所述文本分析結果輸入到所述至少一個標簽生成模型，來生成所述文檔的原始標簽；以及

標簽優化模塊，被配置為優化所述原始標簽，以得到所述文檔的目標標簽。

8.根據權利要求7所述的裝置，其中所述預定模型集合包括以下至少一項：

語義結構分析模型、SimNet模型、主題模型、層次化抽取模型、時效性標簽抽取模型和欺騙性標簽識別模型。

9.根據權利要求8所述的裝置，進一步包括以下至少一項：

模型添加模塊，被配置為向所述預定模型集合添加新的候選標簽生成模型；以及

模型去除模塊，被配置為響應于所述預定模型集合中的候選標簽生成模型未滿足預定條件，從所述預定模型集合中去除所述候選標簽生成模型。

10.根據權利要求7所述的裝置，其中所述多個候選標簽生成模型是基于以下至少一項來訓練的：

反映文檔結構的訓練標簽、反映文檔語義的訓練標簽、反映文檔主題的訓練標簽、反映多個關注點的共同上位關注點的訓練標簽、反映當前熱門關注點的訓練標簽或反映欺騙性關注點的訓練標簽。

11.根據權利要求7所述的裝置，其中所述標簽優化模塊進一步被配置為針對所述原始標簽執行以下至少一項：

合并、歸一化改寫、歧義消除、排序和人工干預。

12.根據權利要求7所述的裝置，其中所述文本分析模塊進一步被配置為針對所述文檔執行以下至少一項：

分段、分句、分詞、詞性標注、命名實體識別和依存關系分析。