[發明專利]一種文檔標題處理方法、裝置及電子設備

在審

• 申請號: 202110851076.5
• 申請日: 2021-07-27
• 公開（公告）號: CN113569027A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 黃雪原;張錚;張玉東;宋丹丹
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/35;G06F16/36;G06F40/247;G06F40/284
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

1.一種文檔標題處理方法，所述方法包括：

在目標字典樹中查詢與待處理標題匹配的第一高頻分詞，其中，所述目標字典樹包括N個文檔類別的文檔標題的N個高頻分詞表，每個高頻分詞表對應一個文檔類別，N為正整數，任一高頻分詞表包括對應文檔類別的文檔標題中詞頻大于預設詞頻的分詞；

基于所述第一高頻分詞生成目標標題。

2.根據權利要求1所述的方法，其中，所述基于所述第一高頻分詞生成目標標題之后，還包括：

在所述目標標題的字數大于預設字數，且所述目標標題與所述待處理標題之間至少部分不同的情況下，將所述目標標題作為所述待處理標題對應的文檔的標題。

3.根據權利要求1所述的方法，其中，所述目標字典樹還包括所述N個高頻分詞表中分詞所在文檔標題的文檔類別；

所述基于所述第一高頻分詞生成目標標題，包括：

將所述第一高頻分詞中的條件分詞進行過濾，得到第二高頻分詞，所述條件分詞所在文檔標題的文檔類別與所述待處理標題對應文檔的文檔類別不匹配；

在所述第二高頻分詞的數量為至少兩個的情況下，對所述第二高頻分詞進行合并，得到所述目標標題；或者，

在所述第二高頻分詞的數量為一個的情況下，將所述第二高頻分詞確定為所述目標標題。

4.根據權利要求1所述的方法，其中，所述目標字典樹通過如下方式構建：

獲取多個文檔標題以及所述多個文檔標題的文檔的類別，所述多個文檔標題包括所述N個文檔類別的文檔標題；

對所述多個文檔標題分別進行切詞，得到所述多個文檔標題的分詞；

基于所述多個文檔標題的文檔的類別，對所述多個文檔標題進行聚類，得到所述N個文檔類別分別對應的文檔標題；

分別對所述N個文檔類別中每個文檔類別的文檔標題的分詞詞頻進行統計，確定所述N個文檔類別中每個文檔類別的高頻分詞表；

基于所述N個高頻分詞表構建所述目標字典樹。

5.根據權利要求1或4所述的方法，其中，所述目標字典樹中的目標節點與目標文檔類別對應，所述目標節點為目標高頻分詞表的目標分詞的最后一個字符的節點，所述目標高頻分詞表為所述N個高頻分詞表中任一字表，所述目標分詞為所述目標高頻分詞表中任一分詞，所述目標文檔類別為所述目標分詞所在文檔標題的文檔的類別。

6.一種文檔標題處理裝置，所述裝置包括：

查詢模塊，用于在目標字典樹中查詢與待處理標題匹配的第一高頻分詞，其中，所述目標字典樹包括N個文檔類別的文檔標題的N個高頻分詞表，每個高頻分詞表對應一個文檔類別，N為正整數，任一高頻分詞表包括對應文檔類別的文檔標題中詞頻大于預設詞頻的分詞；

標題生成模塊，用于基于所述第一高頻分詞生成目標標題。

7.根據權利要求6所述的裝置，其中，還包括：

第一確定模塊，用于在所述目標標題的字數大于預設字數，且所述目標標題與所述待處理標題之間至少部分不同的情況下，將所述目標標題作為所述待處理標題對應的文檔的標題。

8.根據權利要求6所述的裝置，其中，所述目標字典樹還包括所述N個高頻分詞表中分詞所在文檔標題的文檔類別；

所述標題生成模塊，包括：

第一過濾模塊，用于將所述第一高頻分詞中的條件分詞進行過濾，得到第二高頻分詞，所述條件分詞所在文檔標題的文檔類別與所述待處理標題對應文檔的文檔類別不匹配；

第二確定模塊，用于在所述第二高頻分詞的數量為至少兩個的情況下，對所述第二高頻分詞進行合并，得到所述目標標題；或者，在所述第二高頻分詞的數量為一個的情況下，將所述第二高頻分詞確定為所述目標標題。