[發明專利]通知文本信息實體屬性抽取方法、計算機設備及存儲介質

有效

• 申請號: 202110241513.1
• 申請日: 2021-03-04
• 公開（公告）號: CN112597283B
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 劉孟奇;羊晉;司俊俊;涂波
• 申請（專利權）人: 北京數業專攻科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/216;G06F40/295
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 秦景芳

本發明提供了一種通知文本信息實體屬性抽取方法、計算機設備及存儲介質，其中，該方法包括：獲取通知文本信息，所述通知文本信息包括服務商標識和通知文本內容；對通知文本內容進行分詞，得到分詞結果；根據分詞結果查詢預先建立的高頻詞匯表，得到文本特征；根據文本特征和服務商標識，利用預先訓練的文本分類模型，計算得到服務類別；獲取服務商標識和服務類別對應的預先建立的關鍵詞和正則表達式的映射關系；利用快速文本匹配文本中包含的關鍵詞并獲取可能匹配的正則表達式集合，得到正則表達式集合；利用正則表達式集合提取通知文本內容的實體屬性信息。通過上述方案能夠基于服務消息與推送通知實現對用戶畫像和行為進行分析。

技術領域

本發明涉及大數據技術領域，尤其涉及一種通知文本信息實體屬性抽取方法、計算機設備及存儲介質。

背景技術

隨著移動互聯網技術的發展，多種多樣的推送平臺被用于服務消息與推送通知作為重要的消息推送手段，SP運營商通常通過定制的短信服務或者通知內容實現業務消息的提醒、登錄驗證等功能，比較常見是銀行短信賬單、網站注冊登錄驗證碼、快遞遞送通知、商品營銷推送等，這些通知內容通常包含特定的用戶行為信息，對應有消費行為、網站登錄行為、快遞服務、商品偏好等，所以基于服務消息與推送通知應能實現終端用戶的畫像與行為分析。

然而，現有的基于服務消息與推送通知提取信息中的有效實體并鏡像用戶畫像與行為分析的方案大多是通過預設正則或是模板的方式，存在模板更新不及時的問題；而利用自然語言處理中實體抽取來實現用戶畫像則需要大量的計算資源。

發明內容

本發明提供了一種通知文本信息實體屬性抽取方法、計算機設備及存儲介質，以基于服務消息與推送通知實現對用戶畫像和行為進行分析。

為了達到上述目的，本發明采用以下方案實現：

根據本發明實施例的一個方面，提供了一種通知文本信息實體屬性抽取方法，包括：

獲取通知文本信息，所述通知文本信息包括服務商標識和通知文本內容；

對通知文本內容進行分詞，得到分詞結果；

根據分詞結果查詢預先建立的高頻詞匯表，得到文本特征；

根據文本特征和服務商標識，利用預先訓練的文本分類模型，計算得到服務類別；

獲取服務商標識和服務類別對應的預先建立的關鍵詞和正則表達式的映射關系；

檢索通知文本內容中包含的關鍵詞，根據檢索到的關鍵詞查找獲取的關鍵詞和正則表達式的映射關系，得到檢索的關鍵詞對應的正則表達式集合，作為潛在的正則表達式匹配模板；

對通知文本內容遍歷匹配潛在的正則表達式匹配模板，提取得到通知文本內容的實體屬性信息。

在一些實施例中，檢索通知文本內容中包含的關鍵詞，根據檢索到的關鍵詞查找獲取的關鍵詞和正則表達式的映射關系，得到檢索的關鍵詞對應的正則表達式集合，包括：利用服務商標識和服務類別對應的預先構造的字典樹檢索通知文本內容中包含的關鍵詞；根據檢索到的關鍵詞查找獲取的關鍵詞和正則表達式的映射關系，得到檢索的關鍵詞對應的正則表達式集合。

在一些實施例中，所述的通知文本信息實體屬性抽取方法，還包括：訓練文本分類模型；

訓練文本分類模型，包括：

獲取歷史通知文本信息集，每條歷史通知文本信息包括服務商標識和歷史通知文本內容；

將歷史通知文本信息集按服務商標識進行分組，得到每個服務商標識對應的歷史通知文本內容集；

將每個服務商標識對應的歷史通知文本內容集中的歷史通知文本內容兩兩進行文本相似性比較，并將相似的歷史通知文本內容放在同一個相似文本組中；