[發明專利]確定文檔標簽的方法、裝置、電子設備和存儲介質

在審

• 申請號: 202111365672.9
• 申請日: 2021-11-17
• 公開（公告）號: CN114048315A
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 王首勛;王安琦;靳雨霏
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06K9/62;G06F16/33
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鄢功軍

1.一種確定文檔標簽的方法，包括：

對目標文檔進行切詞處理，得到M個第一字段，其中，M為大于1的整數；

將所述M個第一字段與預定詞庫中的多個預定字段進行匹配，得到N個目標字段，其中，N為大于或等于1的整數；以及

根據所述N個目標字段，確定所述目標文檔的標簽。

2.根據權利要求1所述的方法，其中，所述預定詞庫包括第一預定子詞庫，所述第一預定子詞庫是根據人工審核標簽后被刪除的標簽得到的，

所述將所述M個第一字段與預定詞庫中的多個預定字段進行匹配，得到N個目標字段包括：

將所述M個第一字段與所述第一預定子詞庫中的多個第一預定字段進行匹配；

根據所述M個第一字段中匹配失敗的多個第一字段，得到所述N個目標字段。

3.根據權利要求1所述的方法，其中，所述預定詞庫包括第二預定子詞庫，所述第二預定子詞庫是根據從搜索引擎獲取的與文檔相關的搜索內容得到的，

所述將所述M個第一字段與預定詞庫中的多個預定字段進行匹配，得到N個目標字段包括：

將所述M個第一字段與所述第二預定子詞庫中的多個第二預定字段進行匹配；

根據所述M個第一字段中匹配成功的多個第一字段，得到所述N個目標字段。

4.根據權利要求1所述的方法，其中，所述將所述M個第一字段與預定詞庫中的多個預定字段進行匹配，得到N個目標字段包括：

響應于所述M個第一字段中存在語義相同的至少兩個第一字段，重復執行以下操作之一，得到K個語義不同的第一字段，其中，K是大于或等于1的整數：

響應于所述語義相同的至少兩個第一字段中每個第一字段的長度均大于或等于預設長度閾值，刪除所述語義相同的至少兩個第一字段中長度最長的第一字段；

響應于所述語義相同的至少兩個第一字段中存在長度小于所述預設長度閾值的第一字段，刪除所述語義相同的至少兩個第一字段中長度最小的第一字段；

根據所述K個語義不同的第一字段，得到所述N個目標字段。

5.根據權利要求2所述的方法，其中，所述第一預定子詞庫是通過以下操作得到的：

獲取人工審核標簽后多個被刪除的標簽；

將所述多個被刪除的標簽同預定類型詞庫進行匹配；以及

將匹配失敗的被刪除的標簽作為所述第一預定字段，得到第一預定子詞庫。

6.根據權利要求1所述的方法，其中，所述根據所述N個目標字段，確定所述目標文檔的標簽包括：

根據所述N個目標字段中每個目標字段在所述目標文檔中的詞頻，確定所述目標文檔的標簽。

7.根據權利要求1所述的方法，其中，所述根據所述N個目標字段中每個目標字段在所述目標文檔中的詞頻，確定所述目標文檔的標簽包括：

根據所述N個目標字段中每個目標字段在所述目標文檔中的詞頻，確定每個目標字段的第一權重；

根據所述N個目標字段中每個目標字段在所述目標文檔中的位置，確定每個目標字段的第二權重；

根據每個目標字段的第一權重和每個目標字段的第二權重，確定每個目標字段的第三權重；以及

根據N個目標字段的第三權重，確定所述目標文檔的標簽。

8.一種確定文檔標簽的裝置，包括：

切詞模塊，用于對目標文檔進行切詞處理，得到M個第一字段，其中，M為大于1的整數；

匹配模塊，用于將所述M個第一字段與預定詞庫中的多個預定字段進行匹配，得到N個目標字段，其中，N為大于或等于1的整數；以及

確定模塊，用于根據所述N個目標字段，確定所述目標文檔的標簽。