[發明專利]對象文本中地點識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110787730.0
• 申請日: 2021-07-13
• 公開（公告）號: CN113569045A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 趙屹華;陳俊安
• 申請（專利權）人: 網易傳媒科技（北京）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06N3/04
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 萬曉君

1.一種對象文本中地點識別方法，其特征在于，包括：

獲取待識別對象文本的文本關聯信息和發布所述對象文本的賬號信息；

將所述文本關聯信息和所述賬號信息進行拼接后獲得的字符串輸入多任務地點識別模型，獲得所述對象文本的屬性信息和所述對象文本的地點標簽信息，所述對象文本的屬性表征所述對象文本的內容是否屬于本地信息，所述多任務地點識別模型是對從樣本對象文本集合中提取的每一樣本對象文本中的文本關聯信息和發布所述樣本對象文本的賬號信息按照預設多任務學習深度神經網絡模型進行訓練獲得的；

根據所述對象文本的屬性信息和所述對象文本的地點標簽信息確定地點識別結果。

2.根據權利要求1所述的方法，其特征在于，

所述多任務地點識別模型包括輸入層、共享網絡層、第一任務網絡層和第二任務網絡層；所述共享網絡層與所述第一任務網絡層、所述第二任務網絡層分別相連接；

所述第一任務網絡層包括第一全連接層、第一分類器和第一輸出層；所述第二任務網絡層包括第二全連接層、第二分類器和第二輸出層。

3.根據權利要求2所述的方法，其特征在于，

所述共享網絡層包括預訓練模型；所述輸入層后連接所述預訓練模型，所述預訓練模型后分別連接所述第一全連接層和所述第二全連接層，所述第一全連接層后連接所述第一分類器，所述第一分類器后連接所述第一輸出層，所述第二全連接層后連接所述第二分類器，所述第二分類器后連接所述第二輸出層。

4.根據權利要求3所述的方法，其特征在于，

所述輸入層后還連接所述第二全連接層，使得所述輸入層的輸入信息和所述預訓練模型的輸出信息作為所述第二全連接層的輸入。

5.根據權利要求4所述的方法，其特征在于，將所述文本關聯信息和所述賬號信息進行拼接后獲得的字符串輸入多任務地點識別模型，獲得所述對象文本的屬性信息和所述對象文本的地點標簽信息，具體包括：

將所述文本關聯信息和所述賬號信息進行拼接后獲得的字符串輸入所述輸入層，由所述輸入層將所述字符串輸入所述預訓練模型，獲得所述文本關聯信息和所述賬號信息對應的詞向量；

將所述詞向量輸入所述第一全連接層，得到第一特征向量，將所述第一特征向量輸入所述第一分類器進行分類，獲得所述對象文本的屬性信息分類結果，并將所述對象文本的屬性信息分類結果通過所述第一輸出層輸出；以及

將所述文本關聯信息和所述賬號信息進行拼接后獲得的字符串和所述詞向量輸入所述第二全連接層，得到第二特征向量，將所述第二特征向量輸入所述第二分類器進行分類，獲得所述對象文本的地點標簽信息分類結果，并將所述對象文本的地點標簽信息分類結果通過所述第二輸出層輸出。

6.根據權利要求1所述的方法，其特征在于，

所述對象文本的文本關聯信息包括所述對象文本的標題信息、所述對象文本的類別信息和所述對象文本中包含地名或具有本地屬性特征的詞語的對象文本片段；所述賬號信息包括賬號名稱信息和賬號屬地信息。

7.根據權利要求1～6任一項所述的方法，其特征在于，所述對象文本的屬性信息包括：所述對象文本的內容為本地信息、所述對象文本的內容為非本地信息以及所述對象文本的內容為未知信息；

根據所述對象文本的屬性信息和所述對象文本的地點標簽信息確定地點識別結果，具體包括：

當確定所述對象文本的內容為非本地信息時，則確定所述地點識別結果為空；

當確定所述對象文本的內容為本地信息時，則確定所述對象文本的內容為強本地信息還是弱本地信息，得到第一判定結果，并將所述第一判定結果和概率最高的地點標簽信息確定為所述地點識別結果；

當確定所述對象文本的內容為未知信息時，則確定所述對象文本的內容為弱本地信息，得到第二判定結果，并將所述第二判定結果和所述概率最高的地點標簽信息確定為所述地點識別結果。