[發明專利]一種確定內容互動平臺標簽的方法、裝置及可讀存儲介質

有效

• 申請號: 201910703586.0
• 申請日: 2019-07-31
• 公開（公告）號: CN110442767B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 康戰輝
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/335;G06F16/33;G06F40/289
• 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

本申請涉及計算機技術領域，提供了一種確定內容互動平臺標簽的方法、裝置及可讀存儲介質，該方法包括：獲取內容互動平臺的文本集合；分別對所述文本集合中的各個文本進行分詞處理，獲得分詞集合；將所述分詞集合輸入至詞向量模型，獲得詞向量集合；將所述詞向量集合輸入至神經網絡模型，獲得所述詞向量集合中每個詞向量的條件概率；其中，所述條件概率用于表示該詞向量與其它詞向量的相關度；將各個詞向量集合中條件概率滿足預設條件的詞向量對應的分詞確定為所述內容互動平臺的標簽。本申請實施例中通過對內容互動平臺的文本集合進行詞向量模型以及神經網絡模型的聯合處理，提高了標簽與內容互動平臺中的內容的匹配度。

技術領域

本申請涉及計算機技術領域，尤其涉及一種確定內容互動平臺標簽的方法、裝置及可讀存儲介質。

背景技術

隨著自媒體的不斷發展，出現各種類型的內容互動平臺。為了便于用戶查找相應的內容互動平臺，可以為各個內容互動平臺標注標簽。

目前，確定各個內容互動平臺的標簽的方式一般是先人工標注各個樣本的標簽，通過機器學習內容分類方法給公眾號打標簽，但是這種打標簽的方式容易出現過擬合情況，導致確定出的標簽較為單一，很難與內容互動平臺的內容相契合。

發明內容

本申請實施例提供一種確定內容互動平臺的標簽方法、裝置及可讀存儲介質，用于提高內容互動平臺的標簽和內容互動平臺的內容的匹配度。

第一方面，提供一種確定內容互動平臺標簽的方法，包括：

獲取內容互動平臺的文本集合；

分別對所述文本集合中的各個文本進行分詞處理，獲得分詞集合；

將所述分詞集合輸入至詞向量模型，獲得詞向量集合；

將所述詞向量集合輸入至神經網絡模型，獲得所述詞向量集合中每個詞向量的條件概率；其中，所述條件概率用于表示該詞向量與其它詞向量的相關度；

將各個詞向量集合中條件概率滿足預設條件的詞向量對應的分詞確定為所述內容互動平臺的標簽。

在一種可能的實施方式中，將所述文本集合輸入詞向量模型，獲取詞向量集合，包括：

通過所述詞向量模型的編碼操作，得到所述文本集合中各個分詞對應的詞向量；

通過所述詞向量模型的拼接處理，將各個分詞對應的詞向量拼接處理為詞向量組合，獲得各個詞向量組合組成的所述詞向量集合。

在一種可能的實施方式中，將所述詞向量集合輸入至神經網絡模型，獲得所述詞向量集合中每個詞向量的條件概率，包括：

將所述詞向量集合輸入至神經網絡模型，通過預設矩陣對所述詞向量進行映射處理，獲得映射后的詞向量集合；

確定所述映射后的詞向量集合中每個詞向量出現時，該所述詞向量集合中其它詞向量中每個詞向量出現的概率；

將所述詞向量集合中其它詞向量中每個詞向量出現的概率相乘，獲得該詞向量的條件概率，獲得所述詞向量集合中每個詞向量對應的條件概率。

在一種可能的實施方式中，在獲得所述詞向量集合中每個詞向量對應的條件概率之后，包括：

根據所述詞向量集合中與每個詞向量的條件概率，確定所述神經網絡模型對應的損失函數值；

根據損失函數值，調整所述神經網絡模型中的參數；其中，所述參數包括所述預設矩陣中的元素；

直到所述損失函數值滿足預設范圍，更新所述神經網絡模型的參數。

在一種可能的實施方式中，所述方法還包括：