[發(fā)明專利]輿情獲取和詞粘度模型訓(xùn)練方法及設(shè)備、服務(wù)器和介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011058837.3
• 申請日: 2020-09-30
• 公開（公告）號: CN112052375A
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計(jì)）人: 章文俊;黃強(qiáng);方軍;潘旭;李云聰;楊哲;洪賽丁
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F40/216;G06F40/289;G06F40/30;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 北京市漢坤律師事務(wù)所 11602
• 代理人: 姜浩然;吳麗麗

1.一種視頻輿情獲取方法，包括：

接收輿情獲取請求，其中所述輿情獲取請求包括所要獲取的輿情關(guān)鍵詞；

將所述所要獲取的輿情關(guān)鍵詞與包含識別結(jié)果的視頻數(shù)據(jù)進(jìn)行匹配，其中，所述識別結(jié)果是對所述視頻數(shù)據(jù)進(jìn)行預(yù)定義內(nèi)容識別獲得的，所述預(yù)定內(nèi)容識別包括文本識別和圖像識別；以及

確定經(jīng)匹配得到的視頻數(shù)據(jù)作為結(jié)果視頻數(shù)據(jù)。

2.如權(quán)利要求1所述的方法，其中，對所述視頻數(shù)據(jù)進(jìn)行預(yù)定義內(nèi)容識別包括：

定時從視頻源獲取源視頻數(shù)據(jù)；

根據(jù)預(yù)定義條件對所獲取的源視頻數(shù)據(jù)進(jìn)行過濾；以及

將所述過濾后的源視頻數(shù)據(jù)轉(zhuǎn)碼為預(yù)定義格式，以用于預(yù)定義內(nèi)容識別。

3.如權(quán)利要求2所述的方法，其中，所述預(yù)定義條件包括以下中的一個或多個：視頻時長、視頻類別、發(fā)布時間。

4.如權(quán)利要求1所述的方法，所述文本識別包括：

對所述視頻進(jìn)行取幀，以獲得所提取的每一幀的圖片；

對所述圖片中的文本進(jìn)行識別，以作為文本信息；以及

對所述文本信息進(jìn)行關(guān)鍵詞抽取，以將所述抽取的關(guān)鍵詞作為識別結(jié)果。

5.如權(quán)利要求1所述的方法，所述文本識別包括：

獲取所述視頻周邊文本，以作為文本信息，其中所述周邊文本包括以下中的一個或多個：標(biāo)題、描述文本、語音文本；

對所述文本信息進(jìn)行分詞處理；

將經(jīng)分詞處理的的詞輸入經(jīng)訓(xùn)練的詞粘度模型，以獲得每一個所述詞能與其后一個詞連在一起的概率；以及

篩選所述概率大于閾值概率的詞，以將所述詞組成關(guān)鍵短語，作為識別結(jié)果。

6.如權(quán)利要求5所述的方法，篩選所述概率大于閾值概率的詞，以將所述詞組成關(guān)鍵短語，作為識別結(jié)果包括：

獲得所述組成的關(guān)鍵短語中的每個詞的逆文檔頻率；

計(jì)算所述關(guān)鍵短語中的所有詞的逆文檔頻率之和，以作為所述關(guān)鍵短語的逆文檔頻率；

選擇其逆文檔頻率最高的預(yù)定個數(shù)的關(guān)鍵短語作為所述識別結(jié)果。

7.如權(quán)利要求4或5所述的方法，還包括：

對所述文本信息進(jìn)行情感分析，其中所述情感包括正面情感、中性情感和反面情感；以及

對所述文本信息進(jìn)行敏感度識別。

8.如權(quán)利要求1所述的方法，所述圖像識別包括人臉識別，其中，對所述視頻數(shù)據(jù)進(jìn)行預(yù)定義內(nèi)容識別包括：

對所述視頻進(jìn)行取幀，以獲得所提取的每一幀的圖片；以及

對所述圖片中的人臉進(jìn)行識別，以基于人臉數(shù)據(jù)庫識別出所述人臉對應(yīng)的名稱。

9.如權(quán)利要求1所述的方法，所述圖像識別還包括：場景識別、實(shí)體識別以及標(biāo)識識別，其中，對所述視頻數(shù)據(jù)進(jìn)行預(yù)定義內(nèi)容識別包括：

將所述視頻進(jìn)行取幀，以獲得所提取的每一幀的圖片；

對所述圖片中的場景進(jìn)行識別；

對所述圖片中的實(shí)體進(jìn)行識別；以及

對所述圖片中的標(biāo)識進(jìn)行識別。

10.如權(quán)利要求1所述的方法，所述輿情獲取請求還包括所要過濾掉的輿情關(guān)鍵詞，其中，確定經(jīng)匹配得到的結(jié)果視頻數(shù)據(jù)包括：

將匹配得到的視頻數(shù)據(jù)中包括所述所要過濾掉的輿情關(guān)鍵詞相對應(yīng)的識別結(jié)果的視頻數(shù)據(jù)進(jìn)行過濾；以及

確定所述過濾后的視頻數(shù)據(jù)作為所述結(jié)果視頻數(shù)據(jù)。

11.一種詞粘度模型訓(xùn)練方法，包括：

對文本語料進(jìn)行分詞，以獲得多個詞對作為訓(xùn)練樣本，其中所述詞對包括前詞和后詞兩個詞；

基于所述訓(xùn)練樣本訓(xùn)練所述詞粘度模型，以使得所述詞粘度模型輸出每一個詞對能夠組成關(guān)鍵短語的概率；以及

通過梯度下降訓(xùn)練所述詞粘度模型，直到所述詞粘度模型達(dá)到預(yù)設(shè)條件則停止訓(xùn)練，其中所述預(yù)設(shè)條件包括預(yù)設(shè)精度或預(yù)設(shè)訓(xùn)練次數(shù)。