[發明專利]一種文章關鍵詞篩選類別的方法、裝置、設備及存儲介質

在審

• 申請號: 202211208768.9
• 申請日: 2022-09-30
• 公開（公告）號: CN115525761A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 劉偉光;張瑞;熊一龍
• 申請（專利權）人: 招商局金融科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/216;G06F40/289;G06F40/30
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及智能決策技術，揭露了一種文章關鍵詞篩選類別的方法，包括：獲取待分類文本，對所述待分類文本進行預處理，得到目標文本；識別所述目標文本的文本分類因素，查詢所述文本分類因素中每個分類因素的文本數據，對所述文本數據進行分詞處理，得到文本詞語；提取所述文本詞語的文本關鍵詞，計算所述文本關鍵詞在所述文本分類因素中的歸屬度，并計算所述文本關鍵詞在所述目標文本中的權重；根據所述歸屬度和所述權重計算出所述文本關鍵詞的支持度，選取所述支持度符合預設條件的文本關鍵詞作為目標關鍵詞，并識別所述目標關鍵詞的詞語類別，將所述詞語類別作為所述待分類文本的文本類別。本發明在于提高文章關鍵詞分類的準確性。

技術領域

本發明涉及智能決策技術領域，尤其涉及一種文章關鍵詞篩選類別的方法、裝置、設備及存儲介質。

背景技術

我們已經進入了大數據時代，各行各業都需要處理大量的數據，如新聞方面，當前的新聞數據和研報數據，數據量非常大，需按照業務給的匹配規則篩選和分類才能得到想要的數據。當接收一條新聞或者研報數據后，需要根據標題匹配關鍵詞確定該條數據是否是所需要的數據，并按照關鍵詞關聯的分類標簽確定分類，當前采用字符串匹配的方式篩選文章并確定文章分類的方法，該方法只考慮了標題，未考慮文章的摘要和正文部分的內容，導致分類結果不準確，因此，目前急需一種能夠提高文章分類準確性的方法。

發明內容

本發明提供一種文章關鍵詞篩選類別的方法、裝置、設備及存儲介質，其主要目的在于提高文章關鍵詞分類的準確性。

為實現上述目的，本發明提供的一種文章關鍵詞篩選類別的方法，包括：

獲取待分類文本，對所述待分類文本進行預處理，得到目標文本；

識別所述目標文本的文本分類因素，查詢所述文本分類因素中每個分類因素的文本數據，對所述文本數據進行分詞處理，得到文本詞語；

提取所述文本詞語的文本關鍵詞，計算所述文本關鍵詞在所述文本分類因素中的歸屬度，并計算所述文本關鍵詞在所述目標文本中的權重；

根據所述歸屬度和所述權重計算出所述文本關鍵詞的支持度，選取所述支持度符合預設條件的文本關鍵詞作為目標關鍵詞，并識別所述目標關鍵詞的詞語類別，將所述詞語類別作為所述待分類文本的文本類別。

可選地，所述對所述待分類文本進行預處理，得到目標文本，包括：

識別所述待分類文本中的非文本內容；

若所述待分類文本中無所述非文本內容，則對所述待分類文本進行轉化，得到目標文本；

若所述待分類文本中有所述非文本內容，則識別所述非文本內容文本區域；

對所述文本區域進行字符提取，得到字符序列；

將所述字符序列轉換成字符文本，結合所述字符文本與所述待分類文本，得到目標文本。

可選地，所述對所述文本數據進行分詞處理，得到文本詞語，包括：

對所述文本數據進行去重處理，得到去重文本；

對所述去重文本進行過濾處理，得到過濾文本；

按照預設的詞語對照表對所述過濾文本進行標注，得到標注文本；

對所述標注數據進行分詞處理，得到文本詞語。

可選地，所述提取所述文本詞語的文本關鍵詞，包括：

對所述文本數據進行語義分析，得到文本語義；

對所述文本詞語進行語義分析，得到詞語語義；

計算所述文本語義與所述詞語語義的匹配度；