[發明專利]課程標簽的生成方法、裝置、計算機設備及介質

有效

• 申請號: 202110078984.5
• 申請日: 2021-01-21
• 公開（公告）號: CN112395421B
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 熊龍飛;張茜;張敏;黃敏婕;胡立波;余晉琳
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06F40/216;G06F40/289
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種課程標簽的生成方法，其特征在于，包括：

采集目標課程的交互評論數據，得到初始語句；

對所述初始語句進行文本預處理，得到處理語句；

采用預設的分詞方式，對所述處理語句進行分詞處理，得到目標分詞；

基于預設語料庫，構建每個所述目標分詞的基礎詞向量；

針對每個所述基礎詞向量，計算該基礎詞向量與其他每個基礎詞向量之間的空間距離，將每個所述空間距離對應的兩個基礎詞向量作為一組詞向量；

若所述空間距離小于預設距離閾值，則確定所述空間距離對應的一組詞向量為近義詞向量，并獲取所述近義詞向量對應的兩個目標分詞，作為一組近義詞；

將每組近義詞進行合并處理，得到更新后的目標分詞；

針對每個所述目標分詞，基于TF-IDF算法，對所述目標分詞分別進行詞頻的計算和逆文本頻率指數的計算，并通過得到的詞頻和得到的逆文本頻率指數，確定所述目標分詞的評估值；

根據所述目標分詞的評估值對所述目標分詞進行排序，并從前往后選取預設閾值的目標分詞，作為二級課程標簽；

通過聚類的方式，將所述二級課程標簽歸類到預設的一級課程標簽下，得到所述目標課程的目標課程標簽體系。

2.如權利要求1所述的課程標簽的生成方法，其特征在于，所述采集目標課程的交互評論數據，得到初始語句包括：

通過鏈接分析的方式，確定每個評論交互樓層的樓層權重；

根據每個所述樓層權重和預設權重閾值，確定目標樓層；

基于預設的排名策略，計算每個所述目標樓層的排名值，并根據所述排名值由大到小的順序，對所述目標樓層進行排序，得到目標樓層隊列；

基于所述目標樓層隊列，抓取所述目標樓層中的內容，得到所述初始語句。

3.如權利要求1所述的課程標簽的生成方法，其特征在于，所述對所述初始語句進行文本預處理，得到處理語句包括：

對初始語句進行大小寫統一和繁體轉化，得到標準文本；

對所述標準文本進行無用詞提取和標注，得到標注后的處理語句。

4.如權利要求1所述的課程標簽的生成方法，其特征在于，獲取預設的訓練語料庫，并使用N-gram模型對所述預設的訓練語料庫進行分析，得到所述預設的訓練語料庫的詞序列數據；

所述采用預設的分詞方式，對所述處理語句進行分詞處理，得到目標分詞包括：對所述處理語句進行分詞解析，得到M個分詞序列；

針對每個所述分詞序列，依據所述預設的訓練語料庫的詞序列數據，計算每個分詞序列的發生概率，得到M個分詞序列的發生概率；

從M個所述分詞序列的發生概率中，選取達到預設概率閾值的發生概率對應的所述分詞序列，作為目標分詞序列，并將目標分詞序列中的每個分詞，作為所述處理語句中包含的目標分詞。

5.如權利要求1至4任一項所述的課程標簽的生成方法，其特征在于，所述通過聚類的方式，將所述二級課程標簽歸類到預設的一級課程標簽下，得到所述目標課程的目標課程標簽體系包括：

將所述預設的一級課程標簽進行詞向量轉化，將得到的每個詞向量作為一個聚類中心；

針對每個所述二級課程標簽，分別計算所述二級課程標簽對應的詞向量到每個聚類中心的歐式距離，作為所述二級課程標簽對應的詞向量的空間距離；

針對每個所述二級課程標簽，獲取數值最小的空間距離對應的聚類中心，作為目標聚類中心，并將所述目標聚類中心對應的預設的一級課程標簽作為目標類別；針對每個所述二級課程標簽，將所述二級課程標簽歸類到所述二級課程標簽對應的目標類別，得到所述目標課程標簽體系。