[發明專利]一種標簽的提取方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202011146256.5
• 申請日: 2020-10-23
• 公開（公告）號: CN112256832A
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 陳揚;陸惠國;陸爭輝;顧文斌;祝志偉
• 申請（專利權）人: 上海恒生聚源數據服務有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉穎

1.一種標簽的提取方法，其特征在于，包括：

獲取文本；

對所述文本進行處理，得到候選詞的集合，所述處理至少包括分詞處理；

依據參數，計算所述候選詞的初始權重值，其中，目標候選詞的所述參數至少包括所述目標候選詞的詞頻、所述目標候選詞的詞長和/或所述目標候選詞的詞跨度，所述目標候選詞的詞跨度為所述目標候選詞在所述文本中，按照所述文本順序，首次出現的位置與末次出現的位置之間的文本長度；所述目標候選詞為所述候選詞集合中的任意一個詞；

依據所述初始權重值和預設的權重迭代算法，計算所述候選詞集合中的詞的第一權重值；

依據所述第一權重值以及調整系數，確定所述候選詞集合中的詞的第二權重值，所述調整系數包括第一調整系數和/或第二調整系數，所述目標候選詞的所述第一調整系數依據所述目標候選詞指示的領域預先設置，所述目標候選詞的所述第二調整系數依據所述目標候選詞指示的對象預先設置；

依據所述第二權重值，從所述候選詞集合中選擇所述文本的標簽。

2.根據權利要求1所述的方法，其特征在于，所述獲取文本，包括：

對原始文本進行清洗，得到所述文本，所述清洗包括：去除預設類型的字符、將字符轉換為預設格式中的至少一項。

3.根據權利要求1所述的方法，其特征在于，所述處理還包括：

在所述分詞處理之前，刪除所述文本中的預設類型的內容。

4.根據權利要求1或3所述的方法，其特征在于，所述處理還包括：

在所述分詞處理之前，檢測目標字符，所述目標字符為所述文本中處于預設位置的字符；

在所述文本中所述目標字符的前或后相鄰位置，將所述目標字符復制N倍，所述N依據所述預設位置預先設置。

5.根據權利要求1所述的方法，其特征在于，所述處理還包括：

在所述分詞處理之后，對所述分詞處理的結果進行詞清洗，所述詞清洗包括將相同含義的詞統一表述。

6.根據權利要求5所述的方法，其特征在于，所述詞清洗還包括：

去除預設的停用詞和/或無效詞。

7.根據權利要求1所述的方法，其特征在于，所述依據所述第二權重值，從所述候選詞集合中選擇所述文本的標簽，包括：

將所述第二權重值基于預設規則進行歸一化，得到歸一化的權重值，所述預設規則包括：

將預設規則函數的函數曲線沿水平軸向右平移0.5個單位，并且將所述函數曲線在豎直軸上的值乘以2；

依據所述歸一化的權重值，從所述候選詞集合中選擇所述文本的標簽。

8.一種標簽的提取裝置，其特征在于，包括：

文本獲取單元，用于獲取文本；

文本處理單元，用于對所述文本進行處理，得到候選詞集合，所述處理至少包括分詞處理；

初始權重計算單元，用于依據參數，計算所述候選詞的初始權重值，其中，目標候選詞的所述參數至少包括所述目標候選詞的詞頻、所述目標候選詞的詞長和/或所述目標候選詞的詞跨度，所述目標候選詞的詞跨度為所述目標候選詞在所述文本中，按照所述文本順序，首次出現的位置與末次出現的位置之間的文本長度；所述目標候選詞為所述候選詞集合中的任意一個詞；

第一權重值計算單元，用于依據所述初始權重值和預設的權重迭代算法，計算所述候選詞集合中的詞的第一權重值；

第二權重值計算單元，用于依據所述第一權重值以及調整系數，確定所述候選詞集合中的詞的第二權重值，所述調整系數包括第一調整系數和/或第二調整系數，所述目標候選詞的所述第一調整系數依據所述目標候選詞指示的領域預先設置，所述目標候選詞的所述第二調整系數依據所述目標候選詞指示的對象預先設置；

文本標簽確定單元，用于依據所述第二權重值，從所述候選詞集合中選擇所述文本的標簽。