CN111460797B - 关键字抽取方法、装置、电子设备及可读存储介质 - Google Patents

关键字抽取方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN111460797B
CN111460797B CN202010516089.2A CN202010516089A CN111460797B CN 111460797 B CN111460797 B CN 111460797B CN 202010516089 A CN202010516089 A CN 202010516089A CN 111460797 B CN111460797 B CN 111460797B
Authority
CN
China
Prior art keywords
speech
keyword
vocabulary
relational
relation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010516089.2A
Other languages
English (en)
Other versions
CN111460797A (zh
Inventor
林岳鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An International Smart City Technology Co Ltd
Original Assignee
Ping An International Smart City Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An International Smart City Technology Co Ltd filed Critical Ping An International Smart City Technology Co Ltd
Priority to CN202010516089.2A priority Critical patent/CN111460797B/zh
Publication of CN111460797A publication Critical patent/CN111460797A/zh
Application granted granted Critical
Publication of CN111460797B publication Critical patent/CN111460797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及大数据，揭露一种关键字抽取方法，包括：对词汇信息集进行词性标注得到词性‑词汇集，将所述词性‑词汇集与预构建的关系关键字词典进行词性‑词汇集关键字比对得到关系关键字集，利用所述关系关键字集及所述词性‑词汇集，训练原始关键字关系分析模型，得到标准关键字关系分析模型，将获取的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到分析结果。此外，本发明还涉及区块链技术，所述分析结果可存储于区块链中，本发明还提出一种关键字抽取装置、电子设备以及计算机可读存储介质。本发明可以解决在关系关键字抽取过程中需要进行大量的繁琐计算且抽取准确率较低的问题。

Description

关键字抽取方法、装置、电子设备及可读存储介质
技术领域
本发明涉及大数据，尤其涉及一种关键字抽取的方法、装置、电子设备及可读存储介质。
背景技术
随着大数据时代的到来，大量文本信息不断涌现，如何快速的从文本信息中获取关键字及关键字之间的简单逻辑关系，对于快速了解文本信息的主题显得格外重要。
目前多数基于关键字抽取技术，缺乏对前期文本数据的有效预处理及分析，这使得在关系关键字抽取过程中，需要进行大量的繁琐计算，不仅导致计算工作量大，计算机运行压力过大，同时也影响到关系关键字的准确率。
发明内容
本发明提供一种关键字抽取方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决在关系关键字抽取过程中需要进行大量的繁琐计算且抽取准确率较低的问题。
为实现上述目的，本发明提供一种关键字抽取方法，包括：
将文本信息训练集进行词句分离得到词汇信息集；
对所述词汇信息集进行词性标注得到词性-词汇集；
将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，并根据比对结果，从所述词性-词汇集中剔除不在所述关系关键字词典内的词性-词汇，得到关系关键字集；
根据预设的卷积池化次数，构建卷积层和池化层；
根据所述卷积层、所述池化层以及预设的激活函数，得到所述原始关键字关系分析模型；
分别将所述关系关键字集及所述词性-词汇集进行词向量转化，得到关键字向量集和词性-词汇向量集；
对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集；
利用所述激活函数对所述词性降维数据集进行激活计算，得到预测关系关键字集；
根据所述预测关系关键字集和所述关键字向量集，利用预构建的损失函数计算得到损失值；
当所述损失值大于或者等于预设的损失阈值时，调整所述卷积池化操作的内部参数，直到所述损失值小于所述损失阈值时，得到标准关键字关系分析模型；
将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
可选地，所述对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集包括：
采用下述公式计算所述词性降维数据集：
Figure GDA0002757481920000021
其中，ω′为所述词性降维数据集，ω为所述词性-词汇向量集，k为预设卷积核大小，p为卷积操作的步幅，f为预设的数据补零矩阵。
可选地，所述对所述词汇信息集进行词性标注得到词性-词汇集，包括：
对所述词汇信息集进行去停用词操作，得到标准词汇集；
根据预构建的词性表，对所述标准词汇集进行词性标注及分类，得到所述词性-词汇集。
为了解决上述问题，本发明还提供一种关键字抽取装置，所述装置包括：
词性标注模块，用于将文本信息训练集进行词句分离得到词汇信息集，对所述词汇信息集进行词性标注得到词性-词汇集；
关系关键字提取模块，用于将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，并根据比对结果，从所述词性-词汇集中剔除不在所述关系关键字词典内的词性-词汇，得到关系关键字集；
模型训练模块，用于根据预设的卷积池化次数，构建卷积层和池化层，根据所述卷积层、所述池化层以及预设的激活函数，得到所述原始关键字关系分析模型，分别将所述关系关键字集及所述词性-词汇集进行词向量转化，得到关键字向量集和词性-词汇向量集，采用下述公式对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集：
Figure GDA0002757481920000031
其中，ω′为所述词性降维数据集，ω为所述词性-词汇向量集，k为预设卷积核大小，p为卷积操作的步幅，f为预设的数据补零矩阵，利用所述激活函数对所述词性降维数据集进行激活计算，得到预测关系关键字集，根据所述预测关系关键字集和所述关键字向量集，利用预构建的损失函数计算得到损失值，当所述损失值大于或者等于预设的损失阈值时，调整所述卷积池化操作的内部参数，直到所述损失值小于所述损失阈值时，得到标准关键字关系分析模型；
关系关键字输出模块，用于将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的关键字抽取方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的关键字抽取方法。
本发明实施例将文本信息训练集依次进行词句分离及词性标注，故将连贯的文本信息转为分离的词汇，方便后续模型进行快速训练的目的，其次利用关系关键字词典进行比对，剔除不必要的词汇，缩减文本信息的数据量，减轻模型训练过程的计算机压力，最后以大量处理过后的关系关键字集训练关键字关系分析模型，使得关键字关系分析模型具有更强的关键字关系分析，提高了对未知文本数据的关键字关系分析准确率。因此本发明可以解决在关系关键字抽取过程中需要进行大量的繁琐计算且抽取准确率较低的问题。
附图说明
图1为本发明一实施例提供的关键字抽取方法的流程示意图；
图2为本发明一实施例提供的关键字抽取方法中模型训练的详细流程示意图；
图3为本发明一实施例提供的关键字抽取装置的模块示意图；
图4为本发明一实施例提供的实现关键字抽取方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供的关键字抽取方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述关键字抽取方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的关键字抽取方法的流程示意图。在本实施例中，所述关键字抽取方法包括：
S1、将文本信息训练集进行词句分离得到词汇信息集。
本发明实施例中，所述文本信息训练集包括新闻文稿信息、学术论文信息等，所述文本信息训练集可以通过多种方式获取，如接受用户输入、根据指令从网络中爬取新闻信息等。
进一步地，所述将文本信息训练集进行词句分离得到词汇信息集，包括：将所述文本信息训练集进行分句操作得到语句信息集，将所述语句信息集进行分词操作得到所述词汇信息集。
本发明实施例中所述分句操作可根据标点符号将长句分为多个短句的过程。详细地，本发明实施例将标点符号作为所述分句操作的分隔符，比如短句与短句之间是以逗号、句号等标点符号作为自然分界符，所以当出现标点符号时，则分别将标点符号左右的文本分割为单个的句子，如文本信息A为“所以我们应做好预防，出门戴口罩、勤快洗手、不碰野味”，通过上述分句操作得到的语句信息为：“所以我们应做好预防”、“出门戴口罩”、“勤快洗手”、“不碰野味”；文本信息B为“公司A创始人张三，为5G极化码之父李四教授举行颁奖仪式”，通过上述分句操作得到的语句信息为：“公司A创始人张三”、“为5G极化码之父李四教授举行颁奖仪式”。
进一步地，本发明实施例中所述分词操作是将上述短句按照一定的规则拆分为不同词汇的过程。详细地，若文本信息为英文，则本发明较佳实施例可利用单词之间的空格作为自然分界符完成分词操作；若文本信息为中文，由于中文相互的词汇难以通过明显的分界符来简单划界，因此本发明较佳实施例可采用当前已公开的分词算法，如最大匹配法、最优匹配法、机械匹配法、逆向匹配法、双向匹配法等，完成分词操作得到所述词汇信息集。
S2、对所述词汇信息集进行词性标注得到词性-词汇集。
详细地，所述S2包括：对所述词汇信息集进行去停用词操作，得到标准词汇集；根据预构建的词性表，对所述标准词汇集进行词性标注及分类，得到所述词性-词汇集。
其中，停用词包括语气词、连接词等，如“啊”、“哎呀”、“需要”等。
所述词性表包括名词、动词、形容词等词性及对应的词典，如上述文本信息B为“公司A创始人张三，为5G极化码之父李四教授举行颁奖仪式”，通过词性标注得到“公司A(n)、创始人(n)、张三(n)、举行(v)、颁奖仪式(n)、表彰(v)、李四(n)、通信领域(n)”等标注结果；同样的，文本信息A为“所以我们应做好预防，出门戴口罩、勤快洗手、不碰野味”，通过词性标注得到“我们(n)、预防(v)、口罩(n)、洗手(v)、野味(n)、表彰(v)、洗手(v)”等词性-词汇。
进一步地，本发明实施例按照不同的词性对词汇进行划分，如公司A(n)、张三(n)、口罩(n)等都划分为名词-词汇子集，预防(v)、洗手(v)等都划分为动词-词汇子集中。
本发明实施例整合名词-词汇子集、动词-词汇子集等所有的子集，得到所述词性-词汇集。
S3、将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，并根据比对结果，从所述词性-词汇集中剔除不在所述关系关键字词典内的词性-词汇，得到关系关键字集。
本发明较佳实施例中，所述关系关键字词典又称为目标关键字词典，可根据用户需求预先构建，如用户将“公司A”、“张三”、“创始人”三个名词作为关系关键字，则将该三个名字与上述得到的词性-词汇集进行比对。若关系关键字词典内的某个词存在于词性-词汇集内，则在所述关系关键字词典中保留该词，若关系关键字词典内的某个词没有存在于词性-词汇集内，则在所述关系关键字词典剔除该词，根据所述关系关键字词典中保留的词，得到关系关键字集。
S4、利用所述关系关键字集及所述词性-词汇集，训练原始关键字关系分析模型，得到标准关键字关系分析模型。
本发明较佳实施例中，所述原始关键字关系分析模型的构建过程包括：根据预设的卷积池化次数，构建出卷积层和池化层，并根据所述卷积层、所述池化层以及预设的激活函数，得到所述原始关键字关系分析模型。
进一步地，本发明实施例利用所述关系关键字集及所述词性-词汇集训练所述原始关键字关系分析模型，详细地，所述训练请参阅图2的详细流程示意图，包括：
S41、分别将所述关系关键字集及所述词性-词汇集进行词向量转化，得到关键字向量集和词性-词汇向量集；
S42、根据所述卷积池化次数，对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集；
S43、利用所述激活函数对所述词性降维数据集进行激活计算，得到预测关系关键字集；
S44、根据所述预测关系关键字集和所述关键字向量集，利用预构建的损失函数计算得到损失值；
S45、当所述损失值大于或者等于预设的损失阈值时，调整所述卷积池化操作的内部参数，直到所述损失值小于所述损失阈值时，得到所述标准关键字关系分析模型。
本发明较佳实施例中，所述词向量转化可采用当前已公开的词向量转化方法，如Word2Vec、One-Hot方法等。
所述对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集包括：
采用下述公式计算所述词性降维数据集：
Figure GDA0002757481920000061
其中，ω′为所述词性降维数据集，ω为所述词性-词汇向量集，k为预设卷积核大小，p为卷积操作的步幅，f为预设的数据补零矩阵。
其中，所述卷积池化操作包括卷积操作和池化操作，通过所述卷积核的大小k及所述步幅p，构建所述卷积操作的卷积核，利用所述卷积核对所述词性-词汇向量集ω进行卷积操作，得到卷积操作后的词性-词汇向量集ω，将卷积操作后的词性-词汇向量集ω进行所述池化操作时，会出现词性-词汇向量集ω向量不匹配的问题，使用所述数据补零矩阵f，对不匹配的向量进行补零操作，从而完成所述池化操作。根据上述，按照预设顺序依次对所述词性-词汇向量集ω进行所述卷积操作和所述池化操作，得到所述词性降维数据集ω′，且在卷积操作和池化操作完成后，所述词性降维数据集ω′和所述词性-词汇向量集ω需满足上述公式。
较佳地，所述池化操作包括最大化池化操作或平均值池化操作。
进一步地，所述激活函数包括：
Figure GDA0002757481920000071
其中μt表示所述预测关键字，s表示所述词性降维数据集中的数据。
详细地，所述损失函数的激活计算包括：
Figure GDA0002757481920000072
其中，T表示所述损失值，n为所述关键字向量集的数据数目，t为正整数，yt为所述关键字向量集，μt为所述预测关系关键字集。
如上所述，当训练完成后得到标准关键字关系分析模型，该模型可用于分析未知文本信息之间的关键字之间的关系。
S5、将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
本发明较佳实施例中，如获取到的待分析文本，利用所述标准关键字关系分析模型进行关键字关系分析可以得到，例如“证券公司”、“中国平安”等具有相关关系的关键字。
本发明其中一实施例中，所述分析结果可存储于区块链节点中。
本发明实施例将文本信息训练集依次进行词句分离及词性标注，故将连贯的文本信息转为分离的词汇，方便后续模型进行快速训练的目的，其次利用关系关键字词典进行比对，剔除不必要的词汇，缩减文本信息的数据量，减轻模型训练过程的计算机压力，最后以大量处理过后的关系关键字集训练关键字关系分析模型，使得关键字关系分析模型具有更强的关键字关系分析，提高了对未知文本数据的关键字关系分析准确率。因此本发明可以解决在关系关键字抽取过程中需要进行大量的繁琐计算且抽取准确率较低的问题。
如图3所示，是本发明关键字抽取装置的功能模块图。
本发明所述关键字抽取装置100可以安装于电子设备中。根据实现的功能，所述关键字抽取装置可以包括词性标注模块101、关系关键字提取模块102、模型训练模块103、关系关键字输出模块104及模型构建模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述词性标注模块101，用于将文本信息训练集进行词句分离得到词汇信息集，对所述词汇信息集进行词性标注得到词性-词汇集。
本发明实施例中，所述文本信息训练集包括新闻文稿信息、学术论文信息等，所述文本信息训练集可以通过多种方式获取，如接受用户输入、根据指令从网络中爬取新闻信息等。
详细地，所述词性标注模块101通过下述手段将文本信息训练集进行词句分离得到词汇信息集：将所述文本信息训练集进行分句操作得到语句信息集，将所述语句信息集进行分词操作得到所述词汇信息集。
本发明实施例中所述分句操作可根据标点符号将长句分为多个短句的过程。详细地，本发明实施例所述词性标注模块101将标点符号作为所述分句操作的分隔符，比如短句与短句之间是以逗号、句号等标点符号作为自然分界符，所以当出现标点符号时，则分别将标点符号左右的文本分割为单个的句子，如文本信息A为“所以我们应做好预防，出门戴口罩、勤快洗手、不碰野味”，通过上述分句操作得到的语句信息为：“所以我们应做好预防”、“出门戴口罩”、“勤快洗手”、“不碰野味”；文本信息B为“公司A创始人张三，为5G极化码之父李四教授举行颁奖仪式”，通过上述分句操作得到的语句信息为：“公司A创始人张三”、“为5G极化码之父李四教授举行颁奖仪式”。
进一步地，本发明实施例中所述分词操作是将上述短句按照一定的规则拆分为不同词汇的过程。详细地，若文本信息为英文，则本发明较佳实施例所述词性标注模块101可利用单词之间的空格作为自然分界符完成分词操作；若文本信息为中文，由于中文相互的词汇难以通过明显的分界符来简单划界，因此本发明较佳实施例所述词性标注模块101可采用当前已公开的分词算法，如最大匹配法、最优匹配法、机械匹配法、逆向匹配法、双向匹配法等，完成分词操作得到所述词汇信息集。
详细地，所述词性标注模块101可采用下述手段对所述词汇信息集进行词性标注得到词性-词汇集：对所述词汇信息集进行去停用词操作，得到标准词汇集；根据预构建的词性表，对所述标准词汇集进行词性标注及分类，得到所述词性-词汇集。
其中，停用词包括语气词、连接词等，如“啊”、“哎呀”、“需要”等。
所述词性表包括名词、动词、形容词等词性及对应的词典，如上述文本信息B为“公司A创始人张三，为5G极化码之父李四教授举行颁奖仪式”，通过词性标注得到“公司A(n)、创始人(n)、张三(n)、举行(v)、颁奖仪式(n)、表彰(v)、李四(n)、通信领域(n)”等标注结果；同样的，文本信息A为“所以我们应做好预防，出门戴口罩、勤快洗手、不碰野味”，通过词性标注得到“我们(n)、预防(v)、口罩(n)、洗手(v)、野味(n)、表彰(v)、洗手(v)”等词性-词汇。
进一步地，本发明实施例所述词性标注模块101按照不同的词性对词汇进行划分，如公司A(n)、张三(n)、口罩(n)等都划分为名词-词汇子集，预防(v)、洗手(v)等都划分为动词-词汇子集中。
本发明实施例所述词性标注模块101整合名词-词汇子集、动词-词汇子集等所有的子集，得到所述词性-词汇集。
所述关系关键字提取模块102将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，并根据比对结果，从所述词性-词汇集中剔除不在所述关系关键字词典内的词性-词汇，得到关系关键字集。
本发明较佳实施例中，所述关系关键字词典又称为目标关键字词典，可根据用户需求预先构建，如用户将“公司A”、“张三”、“创始人”三个名词作为关系关键字，则所述关系关键字提取模块102将该三个名字与上述得到的词性-词汇集进行比对。若关系关键字词典内的某个词存在于词性-词汇集内，则所述关系关键字提取模块102在所述关系关键字词典中保留该词，若关系关键字词典内的某个词没有存在于词性-词汇集内，则所述关系关键字提取模块102在所述关系关键字词典剔除该词，根据所述关系关键字词典中保留的词，得到关系关键字集。
所述模型构建模块105，用于构建原始关键字关系分析模型。其中，所述模型构建模块105采用下述方法构建所述原始关键字关系分析模型：根据预设的卷积池化次数，构建出卷积层和池化层，并根据所述卷积层、所述池化层以及预设的激活函数，得到所述原始关键字关系分析模型。
所述模型训练模块103，用于利用所述关系关键字集及所述词性-词汇集，训练所述原始关键字关系分析模型，得到标准关键字关系分析模型。
详细地，所述模型训练模块103执行的训练包括：
分别将所述关系关键字集及所述词性-词汇集进行词向量转化，得到关键字向量集和词性-词汇向量集；
根据所述卷积池化次数，对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集；
利用所述激活函数对所述词性降维数据集进行激活计算，得到预测关系关键字集；
根据所述预测关系关键字集和所述关键字向量集，利用预构建的损失函数计算得到损失值；
当所述损失值大于或者等于预设的损失阈值时，调整所述卷积池化操作的内部参数，直到所述损失值小于所述损失阈值时，得到所述标准关键字关系分析模型。
本发明较佳实施例中，所述词向量转化可采用当前已公开的词向量转化方法，如Word2Vec、One-Hot方法等。
优选地，所述模型训练模块103采用下述公式对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集：
Figure GDA0002757481920000101
其中，ω′为所述词性降维数据集，ω为所述词性-词汇向量集，k为预设卷积核大小，p为卷积操作的步幅，f为预设的数据补零矩阵。
其中，所述卷积池化操作包括卷积操作和池化操作，通过所述卷积核的大小k及所述步幅p，构建所述卷积操作的卷积核，利用所述卷积核对所述词性-词汇向量集ω进行卷积操作，得到卷积操作后的词性-词汇向量集ω，将卷积操作后的词性-词汇向量集ω进行所述池化操作时，会出现词性-词汇向量集ω向量不匹配的问题，使用所述数据补零矩阵f，对不匹配的向量进行补零操作，从而完成所述池化操作。根据上述，按照预设顺序依次对所述词性-词汇向量集ω进行所述卷积操作和所述池化操作，得到所述词性降维数据集ω′，且在卷积操作和池化操作完成后，所述词性降维数据集ω’和所述词性-词汇向量集ω需满足上述公式。
较佳地，所述池化操作包括最大化池化操作或平均值池化操作。
进一步地，本发明实施例中所述激活函数包括：
Figure GDA0002757481920000111
其中μt表示所述预测关键字，s表示所述词性降维数据集中的数据。
详细地，所述损失函数的激活计算包括：
Figure GDA0002757481920000112
其中，T表示所述损失值，n为所述关键字向量集的数据数目，t为正整数，yt为所述关键字向量集，μt为所述预测关系关键字集。
如上所述，当训练完成后得到标准关键字关系分析模型，该模型可用于分析未知文本信息之间的关键字之间的关系。
所述关系关键字输出模块104，用于将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
本发明较佳实施例中，如获取到的待分析文本，本发明实施例中，所述关系关键字输出模块104利用所述标准关键字关系分析模型进行关键字关系分析可以得到，例如“证券公司”、“中国平安”等具有相关关系的关键字。本发明的另一实施例中，所述分析结果可存储于区块链节点中。
如图4所示，是本发明实现关键字抽取方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如关键字抽取程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如关键字抽取程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行关键字抽取程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的关键字抽取程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
将文本信息训练集进行词句分离得到词汇信息集；
对所述词汇信息集进行词性标注得到词性-词汇集；
将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，得到关系关键字集；
利用所述关系关键字集及所述词性-词汇集，训练原始关键字关系分析模型，得到标准关键字关系分析模型；
将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (6)

1.一种关键字抽取方法，其特征在于，所述方法包括：
将文本信息训练集进行词句分离得到词汇信息集；
对所述词汇信息集进行词性标注得到词性-词汇集；
将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，并根据比对结果，从所述词性-词汇集中剔除不在所述关系关键字词典内的词性-词汇，得到关系关键字集；
根据预设的卷积池化次数，构建卷积层和池化层；
根据所述卷积层、所述池化层以及预设的激活函数，得到原始关键字关系分析模型；
分别将所述关系关键字集及所述词性-词汇集进行词向量转化，得到关键字向量集和词性-词汇向量集；
对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集；
利用所述激活函数对所述词性降维数据集进行激活计算，得到预测关系关键字集；
根据所述预测关系关键字集和所述关键字向量集，利用预构建的损失函数计算得到损失值；
当所述损失值大于或者等于预设的损失阈值时，调整所述卷积池化操作的内部参数，直到所述损失值小于所述损失阈值时，得到标准关键字关系分析模型；
将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
2.如权利要求1所述的关键字抽取方法，其特征在于，所述对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集包括：
采用下述公式计算所述词性降维数据集：
Figure FDA0002806522930000011
其中，ω′为所述词性降维数据集，ω为所述词性-词汇向量集，k为预设卷积核大小，p为卷积操作的步幅，f为预设的数据补零矩阵。
3.如权利要求1所述的关键字抽取方法，其特征在于，所述对所述词汇信息集进行词性标注得到词性-词汇集，包括：
对所述词汇信息集进行去停用词操作，得到标准词汇集；
根据预构建的词性表，对所述标准词汇集进行词性标注及分类，得到所述词性-词汇集。
4.一种关键字抽取装置，其特征在于，所述装置包括：
词性标注模块，用于将文本信息训练集进行词句分离得到词汇信息集，对所述词汇信息集进行词性标注得到词性-词汇集；
关系关键字提取模块，用于将所述词性-词汇集与预构建的关系关键字词典进行词性-词汇集关键字比对，并根据比对结果，从所述词性-词汇集中剔除不在所述关系关键字词典内的词性-词汇，得到关系关键字集；
模型训练模块，用于根据预设的卷积池化次数，构建卷积层和池化层，根据所述卷积层、所述池化层以及预设的激活函数，得到原始关键字关系分析模型，分别将所述关系关键字集及所述词性-词汇集进行词向量转化，得到关键字向量集和词性-词汇向量集，对所述词性-词汇向量集进行卷积池化操作，得到词性降维数据集，利用所述激活函数对所述词性降维数据集进行激活计算，得到预测关系关键字集，根据所述预测关系关键字集和所述关键字向量集，利用预构建的损失函数计算得到损失值，当所述损失值大于或者等于预设的损失阈值时，调整所述卷积池化操作的内部参数，直到所述损失值小于所述损失阈值时，得到标准关键字关系分析模型；
关系关键字输出模块，用于将获取到的待分析文本输入至所述标准关键字关系分析模型进行关键字关系分析，得到并输出分析结果。
5.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至3中任意一项所述的关键字抽取方法。
6.一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储根据区块链节点的使用所创建的数据，存储程序区存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3中任意一项所述的关键字抽取方法。
CN202010516089.2A 2020-06-09 2020-06-09 关键字抽取方法、装置、电子设备及可读存储介质 Active CN111460797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010516089.2A CN111460797B (zh) 2020-06-09 2020-06-09 关键字抽取方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010516089.2A CN111460797B (zh) 2020-06-09 2020-06-09 关键字抽取方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111460797A CN111460797A (zh) 2020-07-28
CN111460797B true CN111460797B (zh) 2021-01-15

Family

ID=71683938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010516089.2A Active CN111460797B (zh) 2020-06-09 2020-06-09 关键字抽取方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111460797B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985212A (zh) * 2020-09-02 2020-11-24 深圳壹账通智能科技有限公司 文本关键字识别方法、装置、计算机设备及可读存储介质
CN111932534B (zh) * 2020-09-22 2021-07-06 平安科技（深圳）有限公司 医学影像图片分析方法、装置、电子设备及可读存储介质
CN112214515A (zh) * 2020-10-16 2021-01-12 平安国际智慧城市科技股份有限公司 数据自动匹配方法、装置、电子设备及存储介质
CN112529743B (zh) * 2020-12-18 2023-08-08 平安银行股份有限公司 合同要素抽取方法、装置、电子设备及介质
CN113742371B (zh) * 2021-11-08 2022-02-15 北京安华金和科技有限公司 一种sql语句块分析处理方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103123624A (zh) * 2011-11-18 2013-05-29 阿里巴巴集团控股有限公司 确定中心词的方法及装置、搜索方法及装置
CN106776562A (zh) * 2016-12-20 2017-05-31 上海智臻智能网络科技股份有限公司 一种关键词提取方法和提取系统
US20190188263A1 (en) * 2016-06-15 2019-06-20 University Of Ulsan Foundation For Industry Cooperation Word semantic embedding apparatus and method using lexical semantic network and homograph disambiguating apparatus and method using lexical semantic network and word embedding
CN109918657A (zh) * 2019-02-28 2019-06-21 云孚科技(北京)有限公司 一种从文本中提取目标关键词的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092595A (zh) * 2017-04-23 2017-08-25 四川用联信息技术有限公司 新的关键词提取技术

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103123624A (zh) * 2011-11-18 2013-05-29 阿里巴巴集团控股有限公司 确定中心词的方法及装置、搜索方法及装置
US20190188263A1 (en) * 2016-06-15 2019-06-20 University Of Ulsan Foundation For Industry Cooperation Word semantic embedding apparatus and method using lexical semantic network and homograph disambiguating apparatus and method using lexical semantic network and word embedding
CN106776562A (zh) * 2016-12-20 2017-05-31 上海智臻智能网络科技股份有限公司 一种关键词提取方法和提取系统
CN109918657A (zh) * 2019-02-28 2019-06-21 云孚科技(北京)有限公司 一种从文本中提取目标关键词的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Survey on Emotion Detection: A lexicon based backtracking approach for detecting emotion from Bengali text;Tapasy Rabeya et al.;《2017 20th International Conference of Computer and Information Technology》;20171222;第1-7页 *
融合多特征的中文关键词提取方法;潘丽敏 等;《信息网络安全》;20140831(第8期);第40-44页 *

Also Published As

Publication number Publication date
CN111460797A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111460797B (zh) 关键字抽取方法、装置、电子设备及可读存储介质
WO2022134759A1 (zh) 关键词生成方法、装置、电子设备及计算机存储介质
CN112541338A (zh) 相似文本匹配方法、装置、电子设备及计算机存储介质
CN111639486A (zh) 段落搜索方法、装置、电子设备及存储介质
CN113312461A (zh) 基于自然语言处理的智能问答方法、装置、设备及介质
CN112883190A (zh) 文本分类方法、装置、电子设备及存储介质
CN113378970B (zh) 语句相似性检测方法、装置、电子设备及存储介质
CN113033198B (zh) 相似文本推送方法、装置、电子设备及计算机存储介质
CN112883730B (zh) 相似文本匹配方法、装置、电子设备及存储介质
CN112528013A (zh) 文本摘要提取方法、装置、电子设备及存储介质
CN113515938A (zh) 语言模型训练方法、装置、设备及计算机可读存储介质
CN112507663A (zh) 基于文本的判断题生成方法、装置、电子设备及存储介质
CN111753089A (zh) 话题聚类方法、装置、电子设备及存储介质
CN112667775A (zh) 基于关键词提示的检索方法、装置、电子设备及存储介质
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
CN114077841A (zh) 基于人工智能的语义提取方法、装置、电子设备及介质
CN114398557A (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN113722512A (zh) 基于语言模型的文本检索方法、装置、设备及存储介质
CN115238670A (zh) 信息文本抽取方法、装置、设备及存储介质
CN113360654B (zh) 文本分类方法、装置、电子设备及可读存储介质
CN112668281B (zh) 基于模板的语料自动化扩充方法、装置、设备及介质
CN111475600B (zh) 数据治理方法、装置及计算机可读存储介质
CN112632264A (zh) 智能问答方法、装置、电子设备及存储介质
CN112597748A (zh) 语料生成方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant