[發(fā)明專利]一種基于關(guān)鍵詞的文本信息精準(zhǔn)匹配方法、系統(tǒng)、存儲介質(zhì)、終端

在審

• 申請?zhí)枺?/td>: 202011002294.3
• 申請日: 2020-09-22
• 公開（公告）號: CN112100363A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 上海蜜度信息技術(shù)有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/33;G06F16/35;G06F40/284
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 徐秋平

本發(fā)明提供一種基于關(guān)鍵詞的文本信息精準(zhǔn)匹配方法、系統(tǒng)、存儲介質(zhì)、終端，包括以下步驟：構(gòu)建關(guān)鍵詞方案；基于所述關(guān)鍵詞方案在數(shù)據(jù)庫中獲取初步匹配文本；對所述初步匹配文本進(jìn)行分詞，以獲取分詞結(jié)果；將所述關(guān)鍵詞方案拆解為多個獨立關(guān)鍵詞方案；當(dāng)所述分詞結(jié)果命中至少一個獨立關(guān)鍵詞方案時，對所述初步匹配文本進(jìn)行關(guān)鍵詞抽取，并獲取文本特征；根據(jù)所述文本特征基于決策樹模型獲取文本信息匹配分值，并在所述文本信息匹配分值大于預(yù)設(shè)閾值時判斷所述初步匹配文本為最終匹配文本。本發(fā)明的基于關(guān)鍵詞的文本信息精準(zhǔn)匹配方法、系統(tǒng)、存儲介質(zhì)、終端將關(guān)鍵詞作為文本特征，結(jié)合有監(jiān)督的文本分類，大大提升了文本信息匹配的可解釋性和精確程度。

技術(shù)領(lǐng)域

本發(fā)明涉及信息處理的技術(shù)領(lǐng)域，特別是涉及一種基于關(guān)鍵詞的文本信息精準(zhǔn)匹配方法、系統(tǒng)、存儲介質(zhì)、終端。

背景技術(shù)

現(xiàn)有技術(shù)中，在進(jìn)行文本信息檢索時，通常采用以下幾種方案：

(1)采用純文字匹配的方式，但該方式會導(dǎo)致檢索到很多無關(guān)的文本內(nèi)容，給用戶帶來很多困擾。例如，文本內(nèi)容出現(xiàn)有用戶指定的關(guān)鍵詞，但該關(guān)鍵詞并非文本的重點講述內(nèi)容。再例如，文本內(nèi)容中出現(xiàn)有該關(guān)鍵詞，但該關(guān)鍵詞并不形成一個構(gòu)詞，導(dǎo)致語義不相關(guān)的文本內(nèi)容被命中，如關(guān)鍵詞是“和服”，命中的文本內(nèi)容為“產(chǎn)品和服務(wù)”。

(2)采用文本關(guān)鍵詞抽取的方式對用戶設(shè)置的關(guān)鍵詞進(jìn)行賦分和排序，但計算得到的結(jié)果會因為文本長度不同、關(guān)鍵詞設(shè)置數(shù)量不同等原因很難進(jìn)行分值比較，同時很多完全命中且關(guān)鍵詞分值高的文本信息并非用戶所需。

(3)采用文本分類的方式，但該方式僅在海量數(shù)據(jù)的情況下能夠自動捕捉文本特征，難以融合用戶設(shè)置的關(guān)鍵詞信息進(jìn)行判斷。特別地，對于用戶反饋數(shù)據(jù)數(shù)量有限的應(yīng)用場景，無法滿足應(yīng)用需求。

(4)采用基于文本的推薦系統(tǒng)，推薦用戶在當(dāng)前最感興趣或者與最相似的內(nèi)容，即收集用戶收藏或點擊的匹配內(nèi)容，用文本相似的方法查找匹配文本信息。但該方式需要積累一定程度的用戶反饋信息。

(5)采用融合關(guān)鍵詞特征的協(xié)同過濾推薦。典型的推薦系統(tǒng)中，將點擊率、閱讀時間等可以量化的目標(biāo)作為目標(biāo)函數(shù)，采用用戶歷史行為、協(xié)同特征、環(huán)境特征等進(jìn)行建模，但也需要積累一定量的用戶反饋數(shù)據(jù)。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種基于關(guān)鍵詞的文本信息精準(zhǔn)匹配方法、系統(tǒng)、存儲介質(zhì)、終端，將關(guān)鍵詞作為文本特征，結(jié)合有監(jiān)督的文本分類，大大提升了文本信息匹配的可解釋性和精確程度。

為實現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種基于關(guān)鍵詞的文本信息精準(zhǔn)匹配方法，包括以下步驟：構(gòu)建關(guān)鍵詞方案，所述關(guān)鍵詞方案包括至少兩個獨立關(guān)鍵詞組，每個獨立關(guān)鍵詞組包括一個或多個關(guān)鍵詞；基于所述關(guān)鍵詞方案在數(shù)據(jù)庫中獲取初步匹配文本；對所述初步匹配文本進(jìn)行分詞，以獲取分詞結(jié)果；將所述關(guān)鍵詞方案拆解為多個獨立關(guān)鍵詞方案，所述獨立關(guān)鍵詞方案由每個獨立關(guān)鍵詞組中的一個關(guān)鍵詞并列組成；當(dāng)所述分詞結(jié)果命中至少一個獨立關(guān)鍵詞方案時，對所述初步匹配文本進(jìn)行關(guān)鍵詞抽取，并獲取文本特征；根據(jù)所述文本特征基于決策樹模型獲取文本信息匹配分值，并在所述文本信息匹配分值大于預(yù)設(shè)閾值時判斷所述初步匹配文本為最終匹配文本。

于本發(fā)明一實施例中，基于Textrank算法對所述初步匹配文本進(jìn)行關(guān)鍵詞抽取。

于本發(fā)明一實施例中，所述文本特征包括文本排序特征、文本分?jǐn)?shù)特征、文本排序分?jǐn)?shù)融合特征、文本關(guān)鍵詞匹配特征、文本方案特征、文本方案深度特征、標(biāo)題排序特征、標(biāo)題分?jǐn)?shù)特征、標(biāo)題排序分?jǐn)?shù)融合特征、標(biāo)題關(guān)鍵詞匹配特征、標(biāo)題方案特征和標(biāo)題方案深度特征。

于本發(fā)明一實施例中，所述決策樹模型基于帶標(biāo)注的數(shù)據(jù)進(jìn)行有監(jiān)督建模生成。

對應(yīng)地，本發(fā)明提供一種基于關(guān)鍵詞的文本信息精準(zhǔn)匹配系統(tǒng)，包括構(gòu)建模塊、獲取模塊、分詞模塊、拆解模塊、抽取模塊和匹配模塊；