[發明專利]提取目標文本片段的方法、裝置、設備及存儲介質

在審

• 申請號: 202110028022.9
• 申請日: 2021-01-08
• 公開（公告）號: CN112765444A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 張超
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F40/216;G06F40/289
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 張志江

1.一種提取目標文本片段的方法，其特征在于，所述方法包括：

對目標文本進行切分處理，以獲得詞語序列向量；其中，所述詞語序列向量中包括由所述目標文本切分獲得的多個詞語；

基于所述詞語序列向量和訓練獲得的文本類別向量，獲得詞語權重向量；其中，所述詞語權重向量中包含每個詞語在各文本類別上的權重，所述文本類別向量中包含多個文本類別；

根據每個詞語在各文本類別上的權重，獲取在各文本類別上權重高于閾值的N個目標詞語，N為正整數；

基于N個所述目標詞語，獲得屬于各文本類別的目標文本片段。

2.如權利要求1所述的方法，其特征在于，所述對目標文本進行切分處理，以獲得詞語序列向量的步驟之前，所述方法還包括：

獲取包括多個樣本文本的樣本文本集合以及所述樣本文本的文本類別集合；其中，所述文本類別集合中包含多個所述文本類別；

基于所述樣本文本集合和所述文本類別集合，獲得表征每個樣本文本在每個所述文本類別上的重要性的文本權重向量；

基于所述文本權重向量，獲得每個所述文本類別在所述每個樣本文本上的類別向量；

基于所述文本權重向量和所述類別向量，通過模型訓練獲得所述文本類別向量。

3.如權利要求2所述的方法，其特征在于，所述基于所述樣本文本集合和所述文本類別集合，獲得表征每個樣本文本在每個所述文本類別上的重要性的文本權重向量的步驟，具體包括：

基于所述文本類別集合，獲得初始文本類別向量；

對每個所述樣本文本進行切分處理，以獲得每個所述樣本文本的樣本詞語序列向量；

基于所述初始文本類別向量和所述樣本詞語序列向量，獲得每個所述樣本文本的所述文本權重向量。

4.如權利要求3所述的方法，其特征在于，所述樣本詞語序列向量中包括由所述目標文本切分獲得的多個樣本詞語；所述基于所述初始文本類別向量和所述樣本詞語序列向量，獲得每個所述樣本文本的所述文本權重向量的步驟，具體包括：

基于所述初始文本類別向量和所述樣本詞語序列向量，獲得每個樣本詞語在各文本類別上的樣本詞語權重向量；

對每個樣本詞語在各文本類別上的樣本詞語權重向量歸一化處理，獲得處理后的樣本詞語權重向量；

將所述樣本詞語權重向量與所述處理后的樣本詞語權重向量逐元素相乘，以獲得多個元素乘積結果；

對多個元素乘積結果進行加和操作，以獲得每個所述樣本文本的所述文本權重向量。

5.如權利要求2所述的方法，其特征在于，所述基于所述文本權重向量和所述類別向量，通過模型訓練獲得所述文本類別向量的步驟，具體包括：

基于所述文本權重向量和所述類別向量，獲得樣本文本向量；

將所述樣本文本向量輸入待訓練模型，以獲得所述文本類別向量。

6.如權利要求1所述的方法，其特征在于，所述基于所述詞語序列向量和訓練獲得的文本類別向量，獲得詞語權重向量的步驟，具體包括：

將所述詞語序列向量與訓練獲得的所述文本類別向量相乘，以獲得所述詞語權重向量。

7.如權利要求1所述的方法，其特征在于，所述基于N個所述目標詞語，獲得屬于各文本類別的目標文本片段的步驟，具體包括：

判斷同一類別中的N個所述目標詞語中是否有語意連續的M個目標詞語，M為正整數，且M小于等于N；

若是，將語意連續的M個目標詞語進行拼接，以獲得所述目標文本片段。

8.如權利要求1-7中任一項所述的方法，其特征在于，所述目標文本為包括新聞輿情的長文本，所述目標文本片段包括欺詐風險輿情；

所述對目標文本進行切分處理，以獲得詞語序列向量的步驟，具體包括：

對包括新聞輿情的長文本進行切分處理，以獲得詞語序列向量；

所述基于N個所述目標詞語，獲得屬于各文本類別的目標文本片段的步驟，具體包括：

基于N個所述目標詞語，獲得屬于各文本類別的包括欺詐風險輿情的目標文本片段。