[發(fā)明專利]文本主題生成方法、裝置及電子設(shè)備有效
| 申請?zhí)枺?/td> | 202010039104.9 | 申請日： | 2020-01-14 |
| 公開（公告）號： | CN111241282B | 公開（公告）日： | 2023-09-08 |
| 發(fā)明（設(shè)計）人： | 劉志潔;汪琦;馮知凡;張揚;朱勇 | 申請（專利權(quán)）人： | 北京百度網(wǎng)訊科技有限公司 |
| 主分類號： | G06F16/35 | 分類號： | G06F16/35;G06F16/36;G06F40/295 |
| 代理公司： | 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201 | 代理人： | 戎鄭華 |
| 地址： | 100085 北京市*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 文本 主題 生成 方法 裝置 電子設(shè)備 | ||
1.一種文本主題生成方法，其特征在于，包括：
對待處理文本進行實體挖掘，獲取待處理文本中包含的各實體；
通過實體鏈接，確定知識圖譜中分別與所述待處理文本中包含的各實體對應(yīng)的各候選實體；
根據(jù)每個候選實體在所述知識圖譜中與其他實體的相關(guān)性，對各候選實體進行聚類，確定所述待處理文本對應(yīng)的核心實體集；
基于所述待處理文本中各關(guān)鍵詞分別與預(yù)設(shè)主題圖譜中各參考主題的匹配度，確定所述待處理文本中包含的各候選主題；
根據(jù)所述核心實體集中每個核心實體與所述待處理文本間的關(guān)聯(lián)性，及每個候選主題與所述待處理文本間的關(guān)聯(lián)性，從所述核心實體集及所述各候選主題中，獲取所述待處理文本的主題；
所述對待處理文本進行實體挖掘，獲取待處理文本中包含的各實體，包括：
對所述待處理文本進行分詞處理，以確定待處理文本包括的各分詞；
逐一對所述待處理文本中包括的各分詞進行識別處理，以判斷所述待處理文本中包括的各分詞是否為所述知識圖譜中包括的實體；
若是，則將對應(yīng)的分詞確定為所述待處理文本中包括的實體；
否則，則將所述對應(yīng)的分詞丟棄。
2.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)每個候選實體在所述知識圖譜中與其他實體的相關(guān)性，對各候選實體進行聚類，包括：
根據(jù)每個候選實體在所述知識圖譜中與其他實體的相關(guān)性，構(gòu)建包含所述各候選實體的相關(guān)性網(wǎng)絡(luò)，其中，所述相關(guān)性網(wǎng)絡(luò)中每個節(jié)點對應(yīng)一個候選實體，兩個節(jié)點間邊的方向表征兩個節(jié)點間的層級關(guān)系；
根據(jù)各候選實體間邊的方向，將各候選實體進行聚類，確定所述待處理文本對應(yīng)的核心實體集。
3.如權(quán)利要求1所述的方法，其特征在于，所述核心實體集中包括每個核心實體對應(yīng)的概念信息集及上位路徑信息；
所述確定所述待處理文本對應(yīng)的核心實體集之后，還包括：
確定每個核心實體的每個概念信息與上位路徑信息的匹配度；
根據(jù)每個核心實體的每個概念信息與上位路徑信息的匹配度，對所述待處理文本對應(yīng)的核心實體集進行裁剪。
4.如權(quán)利要求3所述的方法，其特征在于，所述對所述待處理文本對應(yīng)的核心實體集進行裁剪，包括：
根據(jù)每個核心實體的每個概念信息與上位路徑信息的匹配度，對每個核心實體的概念信息集進行裁剪；
和/或，
根據(jù)每個核心實體的每個概念信息與上位路徑信息的匹配度，確定每個核心實體的可信度；根據(jù)每個核心實體的可信度，對核心實體數(shù)量進行裁剪。
5.如權(quán)利要求1所述的方法，其特征在于，所述確定所述待處理文本中包含的各候選主題之后，還包括：
從所述預(yù)設(shè)主題圖譜中，抽取每個候選主題對應(yīng)的上位主題，作為所述待處理文本對應(yīng)的擴充主題；
根據(jù)每個擴充主題與所述待處理文本間的關(guān)聯(lián)性，從所述擴充主題中獲取所述待處理文本的主題。
6.如權(quán)利要求1-5任一所述的方法，其特征在于，第一核心實體在所述知識圖譜中包含至少兩個概念信息；
所述從所述核心實體集及所述各候選主題中，獲取所述待處理文本的主題，包括：
利用預(yù)設(shè)的分類模型，分別對第一核心實體對應(yīng)的每個概念信息及所述待處理文本進行編碼、解碼處理，確定每個概念信息與所述待處理文本的關(guān)聯(lián)性；
根據(jù)所述第一核心實體的每個概念信息與所述待處理文本的關(guān)聯(lián)性，確定所述第一核心實體與所述待處理文本的關(guān)聯(lián)性；
根據(jù)所述第一核心實體與所述待處理文本的關(guān)聯(lián)性，確定所述第一核心實體是否為所述待處理文本的主題。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京百度網(wǎng)訊科技有限公司，未經(jīng)北京百度網(wǎng)訊科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010039104.9/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
