[發明專利]文本主題生成方法、裝置及電子設備

有效

• 申請號: 202010039104.9
• 申請日: 2020-01-14
• 公開（公告）號: CN111241282B
• 公開（公告）日: 2023-09-08
• 發明（設計）人: 劉志潔;汪琦;馮知凡;張揚;朱勇
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36;G06F40/295
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 戎鄭華

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的各候選實體；

根據每個候選實體在所述知識圖譜中與其他實體的相關性，對各候選實體進行聚類，確定所述待處理文本對應的核心實體集；

基于所述待處理文本中各關鍵詞分別與預設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聯性，及每個候選主題與所述待處理文本間的關聯性，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，則將所述對應的分詞丟棄。

2.如權利要求1所述的方法，其特征在于，所述根據每個候選實體在所述知識圖譜中與其他實體的相關性，對各候選實體進行聚類，包括：

根據每個候選實體在所述知識圖譜中與其他實體的相關性，構建包含所述各候選實體的相關性網絡，其中，所述相關性網絡中每個節點對應一個候選實體，兩個節點間邊的方向表征兩個節點間的層級關系；

根據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的核心實體集。

3.如權利要求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的核心實體集進行裁剪。

4.如權利要求3所述的方法，其特征在于，所述對所述待處理文本對應的核心實體集進行裁剪，包括：

根據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；根據每個核心實體的可信度，對核心實體數量進行裁剪。

5.如權利要求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：

從所述預設主題圖譜中，抽取每個候選主題對應的上位主題，作為所述待處理文本對應的擴充主題；

根據每個擴充主題與所述待處理文本間的關聯性，從所述擴充主題中獲取所述待處理文本的主題。

6.如權利要求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：

利用預設的分類模型，分別對第一核心實體對應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聯性；

根據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聯性，確定所述第一核心實體與所述待處理文本的關聯性；

根據所述第一核心實體與所述待處理文本的關聯性，確定所述第一核心實體是否為所述待處理文本的主題。