[發明專利]一種文本數據的內鏈詞提取匹配方法及裝置

有效

• 申請號: 202111519106.9
• 申請日: 2021-12-14
• 公開（公告）號: CN113919347B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 朱春華;王濤;程曉梅;王艷娜;逄曉剛;曾繁誠
• 申請（專利權）人: 山東捷瑞數字科技股份有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F40/268;G06F16/383;G06F16/955
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 杜陽陽

本發明公開了一種文本數據的內鏈詞提取匹配方法及裝置，涉及自然語言處理技術和數據處理技術領域，首先對目標文本中的內鏈詞進行提取分配處理，得到正式內鏈詞、預備內鏈詞、無意內鏈詞以及候補內鏈詞；其次對上述內鏈詞分別進行特征類型詞標注，以得到目標特征詞序列；然后基于目標特征詞序列，計算每個候補內鏈詞的權重系數值，并根據權重系數值，更改每個候補內鏈詞；接著計算每個標記預備內鏈詞的用戶行為權重系數，并根據用戶行為權重系數，更改每個標記預備內鏈詞，確定最終的目標文本中的正式內鏈詞和無意內鏈詞，達到提高提取精準度和提高匹配準確度的目的。

技術領域

本發明涉及屬于計算機技術領域，尤其涉及自然語言處理技術和數據處理技術領域，具體涉及一種文本數據的內鏈詞提取匹配方法及裝置。

背景技術

在互聯網信息爆炸的時代，用戶可閱讀信息的數量會越來越多，也會越來越便捷。但隨著互聯網信息的不斷增多，如何挖掘用戶的信息需求，更便捷地提供有價值信息，是產品應用需要思考的問題。在閱讀網頁文本的過程中，可以通過點擊內鏈詞直接跳轉到該內鏈詞指向的另一個網頁。顯然，通過內鏈指向另一個網頁鏈接的方式，是一種直接有效構建內鏈體系的方式。

目前不少應用也正在逐步構建內鏈體系，在構建的過程中，主要通過與已有數據庫中的候選條目標簽進行特征比對，相似度計算，進而提取出文本中的內鏈詞及對應。但是通過這種方式，對于內鏈詞的提取精準度來說，是非常依賴候選條目的數量和涵蓋范圍，且無法持續更新補充，對于相似語義詞語的處理也無法通過用戶行為進行學習提升，進而提煉匹配的準確度也無法保證。

發明內容

本發明的目的是提供一種文本數據的內鏈詞提取匹配方法及裝置，以達到提高提取精準度和提高匹配準確度的目的。

為實現上述目的，本發明提供了如下方案：

一種文本數據的內鏈詞提取匹配方法，包括：

對目標文本中的內鏈詞進行提取分配處理，以得到正式內鏈詞、預備內鏈詞、無意內鏈詞以及候補內鏈詞；

對所述正式內鏈詞、所述預備內鏈詞、所述無意內鏈詞以及所述候補內鏈詞分別進行特征類型詞標注，以得到目標特征詞序列；所述目標特征詞序列包括所述正式內鏈詞的特征詞序列、所述預備內鏈詞的特征詞序列、所述無意內鏈詞的特征詞序列以及所述候補內鏈詞的特征詞序列；

基于所述目標特征詞序列，計算每個所述候補內鏈詞的權重系數值，并根據所述候補內鏈詞的權重系數值，更改每個所述候補內鏈詞；更改后的候補內鏈詞為正式內鏈詞、預備內鏈詞或者無意內鏈詞；

計算每個標記預備內鏈詞的用戶行為權重系數，并根據所述標記預備內鏈詞的用戶行為權重系數，更改每個所述標記預備內鏈詞；更改后的標記預備內鏈詞為正式內鏈詞或者無意內鏈詞；所述標記預備內鏈詞為對目標文本中的內鏈詞進行提取分配處理后得到的預備內鏈詞或者更改所述候補內鏈詞后所確定的預備內鏈詞。

可選的，所述對目標文本中的內鏈詞進行提取分配處理，以得到正式內鏈詞、預備內鏈詞、無意內鏈詞以及候補內鏈詞，具體包括：

從目標文本中提取所有目標內鏈詞；所述目標內鏈詞為存在語義的內鏈詞；

將所有所述目標內鏈詞分別投放到正式池、預備池和無意池中，以進行匹配處理；其中，與所述正式池中的內鏈詞完全匹配的目標內鏈詞為正式內鏈詞，與所述預備池中的內鏈詞完全匹配的目標內鏈詞為預備內鏈詞，與所述無意池中的內鏈詞完全匹配的目標內鏈詞為無意內鏈詞，剩余的目標內鏈詞為候補內鏈詞；所述剩余的目標內鏈詞為在所有所述目標內鏈詞中，除了所述正式內鏈詞、所述預備內鏈詞和所述無意內鏈詞之外的目標內鏈詞。

可選的，所述將所有所述目標內鏈詞分別投放到正式池、預備池和無意池中，以進行匹配處理，具體包括：