[發(fā)明專利]一種基于深度學(xué)習(xí)的個(gè)人主頁(yè)信息提取方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202210546058.0
• 申請(qǐng)日: 2022-05-19
• 公開(kāi)（公告）號(hào): CN114969601A
• 公開(kāi)（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 田悅霖;王路路;于凱;劉佳
• 申請(qǐng)（專利權(quán)）人: 北京智譜華章科技有限公司
• 主分類號(hào): G06F16/958
• 分類號(hào): G06F16/958;G06F40/211;G06F40/289;G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 羅嵐

1.一種基于深度學(xué)習(xí)的個(gè)人主頁(yè)信息提取方法，其特征在于，所述方法包括：

獲取個(gè)人主頁(yè)網(wǎng)址對(duì)應(yīng)的網(wǎng)頁(yè)，并對(duì)所述網(wǎng)頁(yè)進(jìn)行數(shù)據(jù)清洗得到網(wǎng)頁(yè)文本語(yǔ)料；

將所述網(wǎng)頁(yè)文本語(yǔ)料進(jìn)行分詞，并通過(guò)匹配對(duì)應(yīng)的詞嵌入表得到詞向量序列；

將所述詞向量序列輸入至目標(biāo)模型中，得到對(duì)應(yīng)的句向量；

將所述句向量輸入至目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)中，得到所述句向量對(duì)應(yīng)的分類標(biāo)簽，將所述分類標(biāo)簽與所述句向量對(duì)應(yīng)的網(wǎng)頁(yè)內(nèi)容輸出。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述網(wǎng)頁(yè)進(jìn)行數(shù)據(jù)清洗得到網(wǎng)頁(yè)文本語(yǔ)料，包括：

獲取所述網(wǎng)頁(yè)對(duì)應(yīng)的超文本標(biāo)記語(yǔ)言HTML文檔；

根據(jù)所述HTML文檔中具有換行功能的標(biāo)簽所處的位置，對(duì)HTML文檔進(jìn)行換行處理；

解析所述HTML文檔，并對(duì)所述HTML文檔進(jìn)行去空行處理，得到網(wǎng)頁(yè)文本語(yǔ)料。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述網(wǎng)頁(yè)文本語(yǔ)料進(jìn)行分詞，并通過(guò)匹配對(duì)應(yīng)的詞嵌入表得到詞向量序列，包括：

將所述網(wǎng)頁(yè)文本語(yǔ)料切分為多個(gè)子句子序列，在每個(gè)子句子序列頭部插入token([CLS])得到對(duì)應(yīng)的每個(gè)句子序列；

所述每個(gè)句子序列通過(guò)匹配詞嵌入表得到每個(gè)句子序列對(duì)應(yīng)的詞嵌入序列；

將所述每個(gè)詞嵌入序列填充為等長(zhǎng)序列，得到對(duì)應(yīng)的詞向量序列。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述詞向量序列輸入至目標(biāo)模型中，得到對(duì)應(yīng)的句向量，包括：將所述詞向量序列輸入至目標(biāo)BERT中，得到對(duì)應(yīng)的句向量。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述句向量輸入至目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)中，得到所述句向量對(duì)應(yīng)的分類標(biāo)簽，包括：通過(guò)目標(biāo)卷積網(wǎng)絡(luò)對(duì)輸入的句向量進(jìn)行一維卷積操作得到所述句向量的分類標(biāo)簽。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述一維卷積操作，包括：

卷積層的輸入形狀為(N,C_in,L)，輸出形狀為(N,C_out,L_out)，卷積層的輸出值為：

其中，*表示有效的互相關(guān)操作，N為batch_size,C表示通道的個(gè)數(shù)，L為輸入信號(hào)序列的長(zhǎng)度。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述句向量輸入至目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)中，得到所述句向量對(duì)應(yīng)的分類標(biāo)簽，之前，還包括：

構(gòu)建預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)，并隨機(jī)生成預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)權(quán)值；

獲取用于訓(xùn)練所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練句向量；

將所述訓(xùn)練句向量輸入預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行一維卷積操作后，得到預(yù)測(cè)分類標(biāo)簽；

將所述訓(xùn)練句向量輸入至Sigmoid分類器得到所述訓(xùn)練句向量對(duì)應(yīng)的目標(biāo)分類標(biāo)簽；

計(jì)算所述預(yù)測(cè)的分類標(biāo)簽與所述目標(biāo)分類標(biāo)簽的交叉熵?fù)p失，根據(jù)交叉熵?fù)p失調(diào)整所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)的權(quán)值，得到目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)。

8.一種基于深度學(xué)習(xí)的個(gè)人主頁(yè)信息提取裝置，其特征在于，所述裝置包括：

第一數(shù)據(jù)處理模塊，用于獲取個(gè)人主頁(yè)網(wǎng)址對(duì)應(yīng)的網(wǎng)頁(yè)，并對(duì)所述網(wǎng)頁(yè)進(jìn)行數(shù)據(jù)清洗得到網(wǎng)頁(yè)文本語(yǔ)料；

第二數(shù)據(jù)處理模塊，用于將所述網(wǎng)頁(yè)文本語(yǔ)料進(jìn)行分詞，并通過(guò)匹配對(duì)應(yīng)的詞嵌入表得到詞向量序列；

第一模型處理模塊，用于將所述詞向量序列輸入至目標(biāo)模型中，得到對(duì)應(yīng)的句向量；

第二模型處理模塊，用于將所述句向量輸入至目標(biāo)卷積神經(jīng)網(wǎng)絡(luò)中，得到所述句向量對(duì)應(yīng)的分類標(biāo)簽，將所述分類標(biāo)簽與所述句向量對(duì)應(yīng)的網(wǎng)頁(yè)內(nèi)容輸出。

9.一種計(jì)算機(jī)設(shè)備，其特征在于，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)，實(shí)現(xiàn)如權(quán)利要求1-7中任一所述的方法。

10.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其中，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令；所述計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行后，能夠?qū)崿F(xiàn)權(quán)利要求1-7中任一所述的方法。