[發(fā)明專利]一種表達頁面特征的方法和電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201911234580.X
• 申請日: 2019-12-05
• 公開（公告）號: CN111078546B
• 公開（公告）日: 2023-06-16
• 發(fā)明（設(shè)計）人: 趙金閣;許立鵬;王晨
• 申請（專利權(quán)）人: 北京云聚智慧科技有限公司
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F40/289;G06F40/30
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 許振新

1.一種表達頁面特征的方法，其特征在于，包括：

獲取目標狀態(tài)頁面中的至少一個文本詞匯，所述目標狀態(tài)頁面為目標應(yīng)用程序展現(xiàn)的頁面；

通過預(yù)訓(xùn)練語言模型構(gòu)建與所述至少一個文本詞匯相對應(yīng)的詞向量；

確定各所述詞向量在所述目標應(yīng)用程序中的特征權(quán)重值；

根據(jù)各所述詞向量和相對應(yīng)的特征權(quán)重值加權(quán)確定所述目標狀態(tài)頁面的狀態(tài)語義向量，以表達所述目標狀態(tài)頁面的頁面特征；

其中，在獲取目標狀態(tài)頁面中的至少一個文本詞匯之前，還包括：

收集所述目標應(yīng)用程序包含的至少一個狀態(tài)頁面的頁面信息；

從所述至少一個狀態(tài)頁面的頁面信息中提取應(yīng)用程序文本；

根據(jù)所述應(yīng)用程序文本，通過語言模型生成與所述目標應(yīng)用程序相對應(yīng)的領(lǐng)域詞庫和逆文本頻率詞庫，其中，所述領(lǐng)域詞庫用于表征所述目標應(yīng)用程序中的文本分詞特征，所述逆文本頻率詞庫用于表征文本在所述目標應(yīng)用程序中的相關(guān)性特征。

2.如權(quán)利要求1所述的方法，其特征在于，獲取目標狀態(tài)頁面中的至少一個文本詞匯，包括：

獲取所述目標狀態(tài)頁面中的文本，其中，所述目標狀態(tài)頁面中的文本包括從所述目標狀態(tài)頁面的圖像中識別得到的第一文本，和/或，從所述目標狀態(tài)頁面包含的控件中抽取得到的第二文本；

根據(jù)所述領(lǐng)域詞庫對目標狀態(tài)頁面中的文本進行分詞，得到至少一個文本詞匯。

3.如權(quán)利要求2所述的方法，其特征在于，根據(jù)所述領(lǐng)域詞庫對目標狀態(tài)頁面中的文本進行分詞，得到至少一個文本詞匯，包括：

對所述目標狀態(tài)頁面中的文本進行數(shù)據(jù)清洗；

根據(jù)所述領(lǐng)域詞庫對經(jīng)過數(shù)據(jù)清洗的目標狀態(tài)頁面中的文本進行分詞，得到至少一個文本詞匯。

4.如權(quán)利要求1～3任一項所述的方法，其特征在于，所述預(yù)訓(xùn)練語言模型包括BERT模型，所述通過預(yù)訓(xùn)練語言模型構(gòu)建與所述至少一個文本詞匯相對應(yīng)的詞向量，包括：

對目標狀態(tài)頁面中的目標文本詞匯執(zhí)行字嵌入，得到字嵌入結(jié)果；

對所述字嵌入結(jié)果執(zhí)行編碼，得到字向量；

對所述字向量加權(quán)確定與所述目標文本詞匯相對應(yīng)的詞向量。

5.如權(quán)利要求4所述的方法，其特征在于，確定各所述詞向量在所述目標應(yīng)用程序中的特征權(quán)重值，包括：

根據(jù)目標狀態(tài)頁面中包含的文本詞匯確定所述目標文本詞匯在所述目標狀態(tài)頁面中的詞頻值，其中，所述目標文本詞匯為所述詞向量對應(yīng)的文本詞匯，所述詞頻值用于表征所述目標文本詞匯在所述目標狀態(tài)頁面中出現(xiàn)的頻次；

根據(jù)所述逆文本頻率詞庫確定所述詞向量的逆文本頻率指數(shù)值；

根據(jù)所述詞向量的詞頻值和逆文本頻率指數(shù)值，確定各所述詞向量在所述目標應(yīng)用程序中的特征權(quán)重值。

6.如權(quán)利要求5所述的方法，其特征在于，根據(jù)目標狀態(tài)頁面中包含的文本詞匯確定目標文本詞匯在所述目標狀態(tài)頁面中的詞頻值，包括：

將目標文本詞匯在所述目標狀態(tài)頁面中出現(xiàn)的次數(shù)與所述目標狀態(tài)頁面包含的文本詞匯的比值確定為目標文本詞匯在所述目標狀態(tài)頁面中的詞頻值；

其中，所述根據(jù)所述逆文本頻率詞庫確定所述詞向量的逆文本頻率指數(shù)值，包括：

將預(yù)訓(xùn)練模型的語料庫包含的文檔總數(shù)與包含所述目標文本詞匯的文檔數(shù)量相除的二進對數(shù)確定為所述詞向量的逆文本頻率指數(shù)值。

7.一種電子設(shè)備，其特征在于，包括：

第一獲取模塊，獲取目標狀態(tài)頁面中的至少一個文本詞匯，所述目標狀態(tài)頁面為目標應(yīng)用程序展現(xiàn)的頁面；

第一構(gòu)建模塊，通過預(yù)訓(xùn)練語言模型構(gòu)建與所述至少一個文本詞匯相對應(yīng)的詞向量；

第一確定模塊，確定各所述詞向量在所述目標應(yīng)用程序中的特征權(quán)重值；

第二確定模塊，根據(jù)各所述詞向量和相對應(yīng)的特征權(quán)重值加權(quán)確定所述目標狀態(tài)頁面的狀態(tài)語義向量，以表達所述目標狀態(tài)頁面的頁面特征；

預(yù)處理模塊，用于：

收集所述目標應(yīng)用程序包含的至少一個狀態(tài)頁面的頁面信息；

從所述至少一個狀態(tài)頁面的頁面信息中提取應(yīng)用程序文本；

根據(jù)所述應(yīng)用程序文本，通過語言模型生成與所述目標應(yīng)用程序相對應(yīng)的領(lǐng)域詞庫和逆文本頻率詞庫，其中，所述領(lǐng)域詞庫用于表征所述目標應(yīng)用程序中的文本分詞特征，所述逆文本頻率詞庫用于表征文本在所述目標應(yīng)用程序中的相關(guān)性特征。