[發明專利]一種關鍵詞的提取方法及裝置、電子設備、存儲介質

有效

• 申請號: 201911324095.1
• 申請日: 2019-12-19
• 公開（公告）號: CN111274428B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 喬利娜
• 申請（專利權）人: 北京創鑫旅程網絡技術有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/33;G06F40/284;G06F40/30
• 代理公司: 北京鉦霖知識產權代理有限公司 11722
• 代理人: 李志新;馮志云

本公開涉及一種關鍵詞的提取方法，所述方法包括：獲取文本信息，所述文本信息包括圖像信息、文字信息、興趣點信息、目的地信息；對所述文本信息中的所述圖像信息進行過濾和加權處理，選擇所述圖像信息中占比大于第一閾值或重復率大于第二閾值的圖像信息生成圖像信息詞；對所述文本信息中的所述文字信息進行過濾表情符號和分詞，以及去除停用詞處理，生成文字詞語集；根據所述圖像信息詞、所述興趣點信息、所述目的地信息及所述文字詞語集，生成文本語義向量；計算所述文本信息中每個詞語與所述文本語義向量的相似度，獲得每個關鍵詞的權值，按照權值從高到低提取指定數量的關鍵詞。

技術領域

本公開涉及計算機技術領域，具體是涉及一種關鍵詞的提取方法及裝?置、電子設備、存儲介質。

背景技術

筆記文本是旅游垂直領域下的一種產物，提取筆記文本的關鍵詞可以?幫助我們給筆記打標簽，更好的做分發。同時提取關鍵詞還可以幫助更好?的理解筆記內容；根據關鍵詞的權重，可以更好的獲取其他信息，例如：?“北京。。。真好啊，就像上海一樣”。結合關鍵詞的權重，我們可以知?道主要講解的是北京，而不會因為同時出現了“北京”，“上海”，而產生疑惑。提取的關鍵詞還可以應用于抽摘，提取標題等其他相關任務。

人們通常更關注于景點，美食，玩樂體驗等方面的信息，但是因為筆?記內容過于發散，基于詞頻或者語義相關的方法，很難提取出關鍵詞。筆?記發布的時候，除了文本內容，還包含了多張圖像和poi信息。圖像含有?的信息量巨大且較為客觀，poi信息為用戶自己關聯的信息，圖像中信息?和poi信息可以作為外部補充信息幫助我們快速的提取關鍵詞。

發明內容

為了克服現有技術中存在的問題，本公開提供一種關鍵詞的提取方法?及裝置、電子設備、存儲介質，能夠幫助我們快速的通過關鍵詞搜索到旅?游攻略文本。

第一方面，本公開實施例提供一種關鍵詞的提取方法，該方法包括：

獲取文本信息，所述文本信息包括圖像信息、文字信息、興趣點信息、?目的地信息；對所述文本信息中的所述圖像信息進行過濾和加權處理，選?擇所述圖像信息中占比大于第一閾值或重復率大于第二閾值的圖像信息?生成圖像信息詞；對所述文本信息中的所述文字信息進行過濾表情符號和?分詞，以及去除停用詞處理，生成文字詞語集；根據所述圖像信息詞、所述興趣點信息、所述目的地信息及所述文字詞語集，生成文本語義向量；?計算所述文本信息中每個詞語與所述文本語義向量的相似度，獲得每個關?鍵詞的權值，按照權值從高到低提取指定數量的關鍵詞。

一示例中，所述對所述文本信息中的所述圖像信息進行過濾和加權處?理，選擇圖像中占比大于第一閾值或重復率大于第二閾值的圖像生成圖像?信息詞，包括：過濾所述圖像信息中的自拍照圖像；根據像素占比對所述?圖像信息評分，對分數進行歸一化加權處理，分數限制在0-1之間。

又一示例中，所述對所述文本信息中的所述圖像信息進行過濾和加權?處理，選擇所述圖像信息中占比大于第一閾值或重復率大于第二閾值的圖?像信息生成圖像信息詞，包括：預先設置第一閾值，選擇所述圖像信息中?占比大于所述第一閾值的圖像信息生成圖像信息詞；或者，預先設置第二?閾值，選擇所述圖像信息中重復率大于所述第二閾值的圖像信息生成圖像信息詞。

又一示例中，所述計算所述文本信息中每個詞語與所述文本語義向量?的相似度，獲得每個關鍵詞的權值，包括：分別計算所述文本信息中的每?個詞語與所述圖像信息詞、所述興趣點信息的加權平均語義相似度，得到?圖像相似度、興趣點相似度；對于所述文本信息中的每個詞語，計算所述?圖像相似度和所述興趣點相似度的綜合相似度，作為詞語與所述文本語義向量的相似度；結合每個詞語的綜合相似度，以及文本語義向量的相似度，獲得每個關鍵詞的權值。