[發明專利]論文標識、標識模型訓練方法、裝置、設備及存儲介質

有效

• 申請號: 201811528227.8
• 申請日: 2018-12-13
• 公開（公告）號: CN111325001B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 王怡然;陳巍
• 申請（專利權）人: 北大方正集團有限公司;北大方正信息產業集團有限公司;北京北大方正電子有限公司
• 主分類號: G06F40/166
• 分類號: G06F40/166;G06F40/289
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

1.一種論文標識方法，其特征在于，包括：

獲取待識別論文；

對所述待識別論文中包括的段落進行分詞處理，得到各個段落包括的分詞；

確定所述分詞屬于的預設詞庫，并確定每個段落包括的所述分詞屬于各個所述預設詞庫的頻率；

根據所述頻率確定各個所述段落對應的特征向量；

基于預設識別模型根據所述特征向量確定所述段落對應的所述標識；

其中，所述預設識別模型是預先根據論文訓練集訓練得到的。

2.一種預設識別模型的訓練方法，其特征在于，包括：

獲取論文訓練集；

其中，所述論文訓練集包括多篇訓練論文，所述訓練論文的段落預設有標識；

對所述訓練論文中包括的段落進行分詞處理，得到各個段落包括的訓練分詞；

確定所述訓練分詞屬于的預設詞庫，并確定每個段落包括的所述訓練分詞屬于各個所述預設詞庫的頻率；

根據所述頻率確定各個所述段落對應的訓練特征向量；

根據所述段落對應的所述訓練特征向量及預設標識訓練模型，得到所述預設識別模型。

3.一種論文標識裝置，其特征在于，包括：

獲取模塊，用于獲取待識別論文；

確定模塊，用于根據預設識別模型確定所述待識別論文對應的段落標識；

其中，所述預設識別模型是預先根據論文訓練集訓練得到的；

所述確定模塊，包括：

分詞單元，用于對所述待識別論文中包括的段落進行分詞處理，得到各個段落包括的分詞；

確定單元，用于確定所述分詞屬于的預設詞庫，并確定每個段落包括的所述分詞屬于各個所述預設詞庫的頻率；根據所述頻率確定各個所述段落對應的特征向量；基于所述預設識別模型根據所述特征向量確定所述段落對應的所述標識。

4.一種預設識別模型的訓練裝置，其特征在于，包括：

獲取模塊，用于獲取論文訓練集；

訓練模塊，用于根據所述論文訓練集訓練模型，得到預設識別模型；

其中，所述論文訓練集包括多篇訓練論文，所述訓練論文的段落預設有標識；

所述訓練模塊包括：

分詞單元，用于對所述訓練論文中包括的段落進行分詞處理，得到各個段落包括的訓練分詞；

訓練單元，用于確定所述訓練分詞屬于的預設詞庫，并確定每個段落包括的所述訓練分詞屬于各個所述預設詞庫的頻率；根據所述頻率確定各個所述段落對應的訓練特征向量；根據所述段落對應的所述訓練特征向量及預設標識訓練模型，得到所述預設識別模型。

5.一種論文標識設備，其特征在于，包括：

存儲器；

處理器；以及

計算機程序；

其中，所述計算機程序存儲在所述存儲器中，并配置為由所述處理器執行以實現如權利要求1所述的方法。

6.一種預設識別模型的訓練設備，其特征在于，包括：

存儲器；

處理器；以及

計算機程序；

其中，所述計算機程序存儲在所述存儲器中，并配置為由所述處理器執行以實現如權利要求2所述的方法。

7.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，

所述計算機程序被處理器執行以實現如權利要求1所述的方法。

8.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，

所述計算機程序被處理器執行以實現如權利要求2所述的方法。