[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

本申請實施例提供了對象文本中地點識別方法、裝置、電子設備及存儲介質，所述對象文本中地點識別方法，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。

技術領域

本申請涉及文本處理領域，尤其涉及對象文本中地點識別方法、裝置、電子設備及存儲介質。

背景技術

本部分旨在為權利要求書中陳述的本申請的實施方式提供背景或上下文。此處的描述不因為包括在本部分中就承認是現有技術。

本地信息是發生在某個局部區域或者與該區域有關的信息，在信息推薦領域，本地信息通常僅適合推薦給當地用戶以及對該地感興趣的用戶，信息以新聞為例，相關技術中，通過在新聞文本中提取地點信息，以標注該新聞適合推薦的區域，為新聞的推薦提供依據。

相關技術中，常采用基于地名詞典進行匹配的方式提取對象文本中的地點信息，其將全國幾千個省、市、區及行政地區的名稱加入地名詞典并建立字典樹(Trie樹)，使用AC自動機(Aho-Corasick automaton)多模匹配算法匹配對象文本內容，記錄從對象文本中匹配到的各個地點的頻數，按照頻數由高到低進行排序，并結合地點的行政層級關系計算分數，取分數高的地點作為最終的地點標簽，若從對象文本中未匹配到任何地點，則認為此對象文本內容是非本地信息。此種匹配方式的關鍵點在于字符串匹配，而全國部分城市的地名與常見名詞同名，如山東省日照市、廣東省中山市等，城市和城市之間也存在同名或相似的情況，如吉林省吉林市、遼寧省鞍山市與安徽省馬鞍山市等，采用上述匹配方式的字符串匹配階段易帶來誤判，導致地點識別不準確以及易誤判為本地信息的問題。

發明內容

為解決上述技術問題，本申請實施例提供了一種對象文本中地點識別方法、裝置、電子設備及存儲介質，提高了文本中地點識別的準確率。

一方面，本申請一實施例提供了一種對象文本中地點識別方法，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。

在一種可能的實施方式中，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。

在一種可能的實施方式中，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。

在一種可能的實施方式中，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。