[發明專利]一種關鍵詞提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 201910330302.8
• 申請日: 2019-04-23
• 公開（公告）號: CN111859940A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 潘慧;陳坦訪;王偉瑋;李奘
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/289;G06F40/30;G06N3/04
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

本申請實施例提供了一種關鍵詞提取方法、裝置、電子設備及存儲介質，其中，該方法包括：獲取待處理文本；對所述待處理文本進行分詞處理，并基于處理后的各個分詞，生成所述待處理文本的特征向量；基于所述待處理文本的特征向量，啟用注意力機制解析所述待處理文本的特征向量所表征的各個分詞的權重值；基于所述待處理文本的特征向量所表征的各個分詞的權重值，從所述各個分詞中選擇所述待處理文本的關鍵詞。本申請實施例通過啟用自注意力機制進行關鍵詞提取，無需進行語料標注，加快了關鍵詞的提取效率，提高了選取的關鍵詞的準確度，能夠提取到符合任務實際需求的關鍵詞。

技術領域

本申請涉及數據處理技術領域，具體而言，涉及一種關鍵詞提取方法、裝置、電子設備及存儲介質。

背景技術

關鍵詞抽取具有各種各樣的應用場景，比如信息搜索，信息推送等。在這些場景中需要找到輸入文本的關鍵詞，并基于該關鍵詞進行信息搜索和信息推送。

目前，關鍵詞提取方法是基于已經標注好的訓練語料，并利用已標注好的語料訓練關鍵詞提取模型，并基于訓練好的關鍵詞提取模型提取輸入文本中的關鍵詞。但是，上述關鍵詞提取方法中，需要預先對訓練語料進行標注，標注工作量大且標注過程復雜，影響了關鍵詞的提取效率。

發明內容

有鑒于此，本申請實施例的目的在于提供一種關鍵詞提取方法、裝置、電子設備及存儲介質，加快了關鍵詞的提取效率，提高了選取的關鍵詞的準確度。

第一方面，本申請實施例提供了一種關鍵詞提取裝置，所述裝置包括：

獲取模塊，用于獲取待處理文本；

編碼模塊，用于對所述待處理文本進行分詞處理，并基于處理后的各個分詞，生成所述待處理文本的特征向量；

解析模塊，用于基于所述待處理文本的特征向量，啟用注意力機制解析所述待處理文本的特征向量所表征的各個分詞的權重值；

選擇模塊，用于基于所述待處理文本的特征向量所表征的各個分詞的權重值，從所述各個分詞中選擇所述待處理文本的關鍵詞。

結合第一方面，本申請實施例提供了第一方面的第一種可能的實施方式，其中，所述編碼模塊，具體用于根據以下步驟基于處理后的各個分詞，生成所述待處理文本的特征向量：

對所述待處理文本中的各個分詞進行編碼處理，得到各個分詞對應的分詞特征向量；所述分詞特征向量至少包括所述分詞對應的第一語義特征向量；

基于所述待處理文本中各個分詞對應的分詞特征向量，生成所述待處理文本的語義特征向量。

結合第一方面的第一種可能的實施方式，本申請實施例提供了第一方面的第二種可能的實施方式，其中，所述編碼模塊，具體用于根據以下步驟基于所述待處理文本中各個分詞對應的分詞特征向量，生成所述待處理文本的語義特征向量：

針對所述待處理文本中的每一分詞，基于該分詞對應的分詞特征向量以及該分詞之前各個分詞對應的分詞特征向量，生成該分詞對應的第二語義特征向量；

將所述待處理文本中各個分詞對應的第二語義特征向量進行組合，得到所述待處理文本的語義特征向量。

結合第一方面，本申請實施例提供了第一方面的第三種可能的實施方式，其中，所述編碼模塊，具體用于根據以下步驟對所述待處理文本進行分詞處理：

提取所述待處理文本中的原始分詞；

從所述原始分詞中查找匹配預設的停用詞表的停用詞；

將所述原始分詞中除去所述停用詞的各個分詞，確定為參與處理的各個分詞。