[發(fā)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?zhí)枺?/td>: 202110078984.5
• 申請日: 2021-01-21
• 公開（公告）號: CN112395421B
• 公開（公告）日: 2021-05-11
• 發(fā)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(lián)合知識產(chǎn)權代理有限公司 44385
• 代理人: 汪琳琳

本發(fā)明涉及數(shù)據(jù)處理領域，公開了一種課程標簽的生成方法、裝置、計算機設備及介質，所述方法包括：采集目標課程的交互評論數(shù)據(jù)，得到初始語句，對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TF?IDF算法，對目標分詞進行詞頻和逆文本頻率指數(shù)的計算，并通過詞頻和逆文本頻率指數(shù)，確定目標分詞的評估值，根據(jù)目標分詞的評估值對目標分詞進行排序，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，將二級課程標簽歸類到預設的一級課程標簽下，得到目標課程的目標課程標簽體系。本發(fā)明有利于提高課程標簽體系生成的精準程度。

技術領域

本發(fā)明涉及數(shù)據(jù)處理領域，尤其涉及一種課程標簽的生成方法、裝置、計算機設備及介質。

背景技術

隨著信息化技術的飛速發(fā)展，越來越多企業(yè)會向用戶或員工提供一些學習課程，在一些知名的資源站點上，有眾多種類的課程以及大量的用戶群體，如何才能從供需的角度，更優(yōu)的把各個群體關注的課程推送到，就需要獲取海量課程的標簽。同時，精準的課程標簽還可以幫忙課程提供商對課程進行改進完善，目前除了課程上線時，人工標注的很粗粒度的標簽外，還急需一種能夠更高效、精準的、自動化獲取課程標簽的方法。

目前會有一些方案，是從課程相關的內(nèi)容中獲取一些文本信息，進而利用統(tǒng)計機器學習模型學習詞語切分的規(guī)律（稱為訓練），從而實現(xiàn)對未知文本的切分，來實現(xiàn)關鍵信息的提取，作為課程標簽。例如最大概率分詞方法和最大熵分詞方法等。在實際的應用中，基于統(tǒng)計的分詞系統(tǒng)都需要使用分詞詞典來進行字符串匹配分詞，這種方法具有局限性，在出現(xiàn)一些新詞時，往往不能準確識別，使得的生成標簽的準確性不夠。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種課程標簽的生成方法、裝置、計算機設備和存儲介質，以提高課程標簽生成的精準程度。

為了解決上述技術問題，本申請實施例提供一種課程標簽的生成方法，包括：

采集目標課程的交互評論數(shù)據(jù)，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；

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(shù)的計算，并通過得到的詞頻和得到的逆文本頻率指數(shù)，確定所述目標分詞的評估值；

根據(jù)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。

可選地，所述采集目標課程的交互評論數(shù)據(jù)，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(jù)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(jù)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(nèi)容，得到所述初始語句。

可選地，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(tǒng)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。

可選地，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(shù)據(jù)；