CN111737455A - 文本识别方法、装置、电子设备和介质 - Google Patents

文本识别方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN111737455A
CN111737455A CN201911218504.XA CN201911218504A CN111737455A CN 111737455 A CN111737455 A CN 111737455A CN 201911218504 A CN201911218504 A CN 201911218504A CN 111737455 A CN111737455 A CN 111737455A
Authority
CN
China
Prior art keywords
determining
information
text information
text
attribute
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.)
Pending
Application number
CN201911218504.XA
Other languages
English (en)
Inventor
李志鹏
谢奇奇
张光宇
何小锋
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.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201911218504.XA priority Critical patent/CN111737455A/zh
Publication of CN111737455A publication Critical patent/CN111737455A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • 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
    • G06N3/044—Recurrent networks, e.g. Hopfield 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Abstract

本公开提供了一种文本识别方法，包括：获取文本信息，文本信息包括多个字符，确定文本信息中的关键词，基于关键词确定特征向量，以及将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。其中，获取文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列。其中，属性标签序列包括多个属性标签，属性标签指示了文本所针对的对象的属性信息，多个属性标签与多个字符一一对应，以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。

Description

文本识别方法、装置、电子设备和介质
技术领域
本公开涉及互联网技术领域，更具体地，涉及一种文本识别方法和一种文本识别装置、电子设备和介质。
背景技术
随着人工智能、自动控制、通信和计算机技术的快速发展，越来越多的人选择在网络上发表评论、观点等。例如用户可以在网络上发表对某件商品的评论。然而，用户在网络上发表的评论、观点等文本信息有很多属于垃圾信息。例如在某个对象的评价页面上针对另一对象进行评价，给用户带来很大的误导。因此，对用户发表的文本进行识别是非常重要的。
在相关技术中，在对文本信息进行识别时，通常需要对文本信息进行分词，以获取文本信息中的关键词，从而根据关键词来确定该文本是否属于垃圾文本信息。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：难以准确地获得文本信息中的关键词，从而导致文本识别准确性较差的技术问题。
发明内容
有鉴于此，本公开提供了一种文本识别方法和一种文本识别装置、电子设备和介质。
本公开的一个方面提供了一种文本识别方法，包括：获取包括多个字符文本信息，确定文本信息中的关键词，基于关键词确定特征向量，以及将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。其中，确定文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列。其中，属性标签序列包括多个属性标签，属性标签指示了文本信息所针对的对象的属性信息，多个属性标签与多个字符一一对应；以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。
根据本公开的实施例，确定文本信息中的关键词还包括：将文本信息输入到分词模型中，利用分词模型对文本信息进行分词而获得关键词。
根据本公开的实施例，确定关键词的特征向量包括：确定关键词的词粒度特征向量；确定关键词的字粒度特征向量；以及通过将词粒度特征向量和字粒度特征向量进行融合来确定特征向量。
根据本公开的实施例，分类模型对特征向量进行分析而确定识别结果包括：分类模型包括多个长短期记忆网络层，依次经由多个长短期记忆网络层对特征向量进行特征提取，以获得深度特征信息；以及基于深度特征信息，对文本信息分类以确定识别结果。
根据本公开的实施例，分类模型还包括恒映射层、第一全连接层和输出层，基于深度特征信息，对文本信息分类以确定识别结果包括：由恒映射层对深度特征信息和输出信息进行融合，其中，输出信息是特征向量经由多个长短期记忆网络层中的第一个长短期记忆网络层处理而获得的；以及将恒映射层的输出结果输入到第一全连接层，以由第一全连接层对输出结果进行分析；以及经由输出层根据第一全连接层的分析结果来确定识别结果。
根据本公开的实施例，该方法还包括确定对象所属的类目，以及确定文本信息是否与类目相关，其中，确定文本信息中的关键词包括：在文本信息与类目相关的情况下，确定文本信息中的关键词。
根据本公开的实施例，确定文本信息是否与类目相关包括：将多个字符中每个字符的字符向量输入到双向长短期记忆网络层中，以由双向长短期记忆网络层对字符向量进行特征提取；将特征提取获得的提取结果输入到第二全连接层，以由第二全连接层对提取结果进行分析以确定文本信息的类别，其中，类别包括适用于所有类目的通用文本、仅适用于类目的专用文本和适用于其他类目的乱入文本；在确定文本信息为通用文本或者专用文本的情况下，确定文本信息与类目相关，以及在确定文本信息为乱入文本的情况下，确定文本信息与类目不相关。
本公开的另一个方面提供了一种文本识别装置，包括：获取模块，用于获取文本信息，文本信息包括多个字符；第一确定模块，用于确定文本信息中的关键词；第二确定模块，用于基于关键词，确定特征向量；以及输入模块，用于将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。其中，确定文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列，其中，属性标签序列包括多个属性标签，属性标签指示了文本所针对的对象的属性信息，多个属性标签与多个字符一一对应；以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。
本公开的另一方面提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述任意一项的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例，可以至少部分地解决文本识别准确性较差的问题，并因此可以实现提高文本识别的准确性的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1A示意性示出了根据本公开实施例的文本识别方法的流程图；
图1B示意性示出了确定文本信息中的关键词的示例方法流程图；
图1C示意性示出了根据本公开实施例的由深度学习模型BiLSTMCRF确定属性标签序列的示意图；
图2A示意性示出了根据本公开实施例的确定关键词的特征向量的示例方法示意图；
图2B示意性示出了根据本公开实施例的确定关键词的特征向量的示意图；
图3A示意性示出了根据本公开实施例的基于深度特征信息，对文本信息分类以确定识别结果的示意图；
图3B示意性示出了根据本公开实施例的分类模型的示意图；
图4示意性示出了根据本公开另一实施例的文本识别的方法流程图；
图5A示意性示出了根据本公开实施例的确定文本信息是否与类目相关的示例方法流程图；
图5B示意性示出了根据本公开实施例的BiLSTM模型的示例示意图；
图6示意性示出了根据本公开另一实施例的文本识别方法的示意图；
图7示意性示出了根据本公开实施例的文本识别装置的方框图；以及
图8示意性示出了根据本公开实施例的电子设备的方框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种文本识别的方法。该方法包括：获取包括多个字符的文本信息，确定文本信息中的关键词，基于关键词确定特征向量，以及将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。其中，获取文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列。其中，属性标签序列包括多个属性标签，属性标签指示了文本所针对的对象的属性信息，多个属性标签与多个字符一一对应，以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。
根据本公开的实施例，该文本识别方法例如可以用于对评论信息进行识别。评论信息例如可以是对某件商品的评价。在下文中以对电商中的评论信息进行识别为例来说明根据本公开实施例的文本识别方法。
图1A示意性示出了根据本公开实施例的文本识别方法的流程图。
如图1A所示，该方法包括操作S101～S104。
在操作S101，获取文本信息，所述文本信息包括多个字符。文本信息例如可以是用户在客户端设备上输入的多个字符。多个字符例如可以包括中文字符、英文字符等等。该文本信息例如可以是对电商中某个对象进行评论而输入的文本。
具体地，文本信息例如可以是“物流很棒，摸着手感不错。”，在下文的描述中，均以该文本信息为例来说明本公开的文本识别方法。
在操作S102，确定所述文本信息中的关键词。例如，在上述文本信息中，关键词可以包括“物流很棒”、“手感不错”等。
图1B示意性示出了在操作S102确定文本信息中的关键词的示例方法流程图。
如图1B所示，该方法可以包括操作S112和操作S122。
在操作S112，将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列。其中，属性标签序列包括多个属性标签，属性标签指示了文本信息所针对的对象的属性信息，多个属性标签与多个字符一一对应。
例如，由深度学习模型分别确定出“物流很棒，摸着手感不错。”中的属性标签序列。该属性标签序列例如可以是B-TYPE_1、I-TYPE_1、I-TYPE_1、I-TYPE_1、O、O、O、B-TYPE_9、I-TYPE_9、B-TYPE_9、I-TYPE_9、O。其中，含有TYPE_1的属性标签代表该评论所针对的对象的物流信息，含有TYPE_9的属性标签代表该评论所针对的对象的身体感觉的信息，O的属性标签代表该字符不属于用于描述对象属性的词。其中，含有“B”的属性标签例如可以是一个词的首字符，含有“I”的属性标签例如可以代表一个词的非首字符。
根据本公开的实施例，深度学习模型例如可以是BiLSTMCRF模型(双向长短期记忆网络和条件随机场模型)。
图1C示意性示出了根据本公开实施例的由深度学习模型BiLSTMCRF确定属性标签序列的示意图。
如图1C所示，深度学习模型BiLSTMCRF可以包括双向LSTM(即前向LSTM和后向LSTM)、融合输出层和CRF(ConditionalRandom Field，条件随机场)层。其中，LSTM(LongShort-Term Memory)为长短期记忆网络。
如图1C所示，将评论信息中的各个字符的初始化向量(例如可以是X1～X5)按照时序分别输入到前向LSTM和后向LSTM中。融合输出层将前向LSTM和后向LSTM的输出结果进行融合。例如针对字符“物”来说，可以由前向LSTM分析得到“物”的特征Hf，1，由后向LSTM分析得到“物”的特征Hb，1。融合输出层将特征Hf，1和特征Hb，1进行融合得到向量P1，其中，融合例如可以是将特征Hf，1和特征Hb，1拼接。融合后得到的多个字符的向量(例如可以是P1～P5)分别输入到CRF层，由CRF层根据上下文信息，预测并输出该字符所对应的属性标签。
例如，在图1C所示的情景中，CRF层预测出“物”、“流”、“很”、“棒”、以及“，”的属性标签分别可以是B-TYPE_1、I-TYPE_1、I-TYPE_1、I-TYPE_1以及O，其中，B-TYPE_1可以代表描述物流信息的词语的首字符，I-TYPE_1可以代表描述物流信息的词语的非首字符。O代表该字符未描述对象的属性。
在操作S122，从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。
根据本公开的实施例，满足预设条件的属性标签，例如可以是本领域技术人员根据经过经验得到的针对能够反映对象属性的词所设置的属性标签。具体地，例如本领域技术人员设置反映“物流”的词的属性标签可以是TYPE_1、反映“身体感觉”的词的属性标签可以是TYPE_9等等，而针对不能够反映对象属性的词可以设置其属性标签为“O”。
在上述实施例中，满足预设条件的属性标签可以包括B-TYPE_1、I-TYPE_1、I-TYPE_1、I-TYPE_1和B-TYPE_9、I-TYPE_9、B-TYPE_9、I-TYPE_9。从而根据该些属性标签确定该评论信息中的关键词包括物流很棒、手感不错。
返回参考图1A，在操作S103，基于所述关键词，确定特征向量。例如可以分别定“物流很棒”和“手感不错”的特征向量。
在操作S104，将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。
例如可以依次将“物流很棒”和“手感不错”的特征向量输入到分类模型中，由该分类模型对特征向量进行分析而确定该评论信息是否属于垃圾评论。垃圾评论例如可以是误导潜在消费者的评论或者无法提供所评论的对象的特征的评论。
根据本公开的实施例，该文本识别方法使用深度学习模型来确定文本信息中的每个字的属性标签，该属性标签可以是本领域技术人员预先总结出的用于描述对象的属性的词，并将描述同一属性的词分为一类，对每一类词分配不同的属性标签，从而根据属性标签从文本信息中提取关键词。因此，该文本识别方法使得词粒度特征增强，进而提高了对文本识别的准确度。
根据本公开的实施例，在操作S102，确定文本信息中的关键词还可以包括：将文本信息输入到分词模型中，利用分词模型对文本信息进行分词而获得关键词。
根据本公开的实施例，分词模型例如可以是相关技术中的一些分词工具，将文本信息输入到分词工具中，得到关键词。除了包括利用操作S102的方法所得到的关键词，该方法确定出的关键词还包括利用分词工具对文本信息分词得到的关键词。
本领域技术人员可以理解，利用分词模型对文本信息进行分词容易导致词被错误切分，从而破坏词的完整性。若仅使用分词模型对文本信息分词而得到关键词，由于得到的关键词不准确，会导致对文本信息的识别不准确。根据本公开的技术方案，可以根据每个字符的属性从文本信息中提取关键词，从而使得该文本信息的词粒度特征增强，提高文本识别的准确度。
根据本公开的实施例，本领域技术人员总结出的用于描述对象的属性的词往往是不全面，容易导致在操作S102所得到的关键词不全面，从而影响到文本识别的准确性。根据本公开的实施例，同时利用操作S102的方法得到的关键词和同时利用分词工具得到的关键词能够在保证得到全面的关键词的同时，增强文本信息的词粒度特征，从而进一步提高了文本识别的准确性。
图2A示意性示出了根据本公开实施例的操作S103确定关键词的特征向量的方法示意图。
如图2A所示，该方法可以包括操作S113～S133。
在操作S113，确定关键词的词粒度特征向量。
根据本公开的实施例，词粒度特征向量可以是用于表示关键词在词粒度上的特征的向量。例如关键词是“物流很棒”，可以将“物流很棒”初始化而生成的向量作为“物流很棒”的词粒度特征向量。根据本公开的实施例，例如可以例如神经网络模型来初始化而生成关键词的词粒度特征向量。
在操作S123，确定关键词的字粒度特征向量。
根据本公开的实施例，字粒度特征向量可以是用于表示关键词在字粒度上的特征的向量。例如可以利用CNN(Convolutional Neural Networks，卷积神经网络模型)来对每一个词进行字粒度特征向量提取。将关键词“物流很棒”中各个字初始化而生成的字向量作为CNN的输入，由CNN的卷积层提取特征，再由CNN的池化层提取出主要特征，从而得到“物流很棒”的子粒度特征向量。
在操作S133，通过将词粒度特征向量和字粒度特征向量进行融合来确定特征向量。
根据本公开的实施例，融合例如可以是将词粒度特征向量和字粒度特征向量进行拼接。将词粒度特征向量和字粒度特征向量进行拼接而得到的向量作为该关键词的特征向量。
根据本公开的实施例，融合例如也可以是将词粒度特征中每个维度元素分别与字粒度特征向量中对应的维度元素进行加权平均而得到该关键词的特征向量中对应的维度元素。
图2B示意性示出了根据本公开实施例的确定关键词的特征向量的示意图。
如图2B所示，根据该关键词210分别确定出该关键词的词粒度特征向量220和字粒度特征向量230。将词粒度特征向量220和字粒度特征向量230经过融合计算得到关键词210的特征向量。
根据本公开的实施例，该方法得到的关键词的特征向量不仅包括词粒度上的特征还包括在字粒度上的特征，从而细化了关键词的粒度，从而进一步提高了文本识别的准确度。
根据本公开的实施例，分类模型可以包括多个长短期记忆网络层，分类模型对特征向量进行分析而确定识别结果包括：依次经由多个长短期记忆网络层对特征向量进行特征提取，以获得深度特征信息，以及基于深度特征信息，对评论信息分类以确定识别结果。
根据本公开的实施例，评论信息的文本特征更加复杂，例如评论信息中可能包括很多无意义文本(例如“嗯，，，好，，是发啥上说手。。。”)、部分文本复杂多次，标点符号乱用(例如“很好！很好！啊，，啊啊，，啊啊啊，，啊啊啊啊。。。。。。。。。。。。。”)，以及文本太长，有效信息太少，通篇故事体(例如“该宝贝质量太差，刚上身十分钟就烂了。事到如今，我实在不知道说什么好......我真是非常生气......但是......唉，算了，不过我以后不会再来找你了。尽管这次的事件开始是因我而起，最终也解决了，但是还是不知怎么说好。这中间给我添的麻烦真是不少。而且有点生气的是你总是不积极联系我，总是等我问了才告诉我。希望以后对别人不要这样，算了，我们无缘”)等，而导致文本特征复杂。因此，为了提高分类模型对上述评论信息的识别准确度，本公开通过多层LSTM提取评论信息中更加复杂的深度特征信息，从而根据深度特征信息对评论信息进行分类识别。
图3A示意性示出了根据本公开实施例的基于深度特征信息，对文本信息分类以确定识别结果的示意图。
如图3A所示，该方法可以包括操作S301～S303。在该实施例中，分类模型还可以包括恒映射层、第一全连接层和输出层。
在操作S301，由恒映射层对深度特征信息和输出信息进行融合。其中，输出信息是特征向量经由多个长短期记忆网络层中的第一个长短期记忆网络层处理而获得的。
在操作S302，将恒映射层的输出结果输入到第一全连接层，以由第一全连接层对输出结果进行分析。
在操作S303，经由输出层根据第一全连接层的分析结果来确定识别结果。
图3B示意性示出了根据本公开实施例的分类模型的示意图。
下面结合图3B所示出的分类模型对上述操作S301～S303进行说明。
如图3B所示，该分类模型可以包括3层长短期记忆网络层、全连接层和输出层。
将在操作S103得到的关键词的特征向量按照文本信息中关键词的先后顺序输入到第一层LSTM中。关键词包括通过分词模型得到的和通过操作S102得到的，例如可以先将通过分词模型得到的关键词的特征向量输入到第一层的LSTM中，在将该文本信息中通过分词模型得到的关键词全部输入后，再将通过操作S102得到的关键词的特征向量输入到第一层的LSTM中。
第一层的LSTM对根据多个特征向量提取特征，并将得到的特征提取结果输入到第二层的LSTM中，继续由第二层的LSTM进一步地提取特征，第二层的LSTM输出的结果输入到第三层的LSTM中，由第三层的LSTM进一步提取特征获得深度特征信息。
根据本公开的实施例，第三层的LSTM可以将深度特征信息输入到池化层，以由池化层根据深度特征信息提取出关键特征信息。
在操作S301，由恒映射层对深度特征信息和输出信息进行融合包括，由恒映射层对根据深度特征信息提取出的关键特征信息和输出信息进行融合。输出信息是所述特征向量经由所述多个长短期记忆网络LSTM层中的第一个长短期记忆网络LSTM层处理而获得的。
接下来，在操作S302，将恒映射层的输出结果输入到第一全连接层。第一全连接层例如可以根据自身的计算模型根据关键特征信息计算出评论信息的是垃圾评论的概率和是非垃圾评论的概率。第一全连接层将计算结果输入到输出层。接下来，在操作S303，输出层例如将评论信息是垃圾评论的概率与评论信息是非垃圾评论的概率进行比较，将概率大的作为评论的识别结果。
图4示意性示出了根据本公开另一实施例的文本识别的方法流程图。
如图4所示，该方法在图1所示的操作S101～S104的基础上还可以包括操作S401和操作S402。操作S401和操作S402例如可以在操作S102之前执行。
在操作S401，确定对象所属的类目。
根据本公开的实施例，本领域技术人员可以根据经验将对象分为不同的类目。例如该文本识别方法应用于电商系统，文本所针对的对象可以是商品，本领域技术人员可以将商品分为不同的类目。具体地，商品的类目例如可以包括家用电器、生鲜、服饰等。
例如该文本所针对的是一件衣服，那么该衣服所属的类目可以是服饰。
在操作S402，确定文本信息是否与类目相关。
根据本公开的实施例，在确定文本与类目相关的情况下，再执行图1A所示的操作S102～操作S104。在确定文本与类目不相关的情况下，确定该文本可以是垃圾文本。
根据本公开的实施例，在相关技术中通常采用训练好的识别模型来识别垃圾文本，而用于训练识别模型的样本往往是直接对全类目的样本进行标注的，因此在相关技术中得到的识别模型无法对一些不是垃圾文本但是属于其他类目而非此类目的问题。而根据本公开实施例的方法，在执行操作S102～操作S104之前对文本信息的类目进行检测，从而可以将乱入该类目的垃圾文本检测处理，提高文本信息的识别精度。
根据本公开的实施例，在操作S402例如可以通过机器学习方法来确定文本信息是否与类目相关。将文本信息输入到训练好的机器学习模型中，由机器学习模型确定文本信息是否与类目相关。
根据本公开的实施例，在训练机器学习模型之前需要获取大量样本，并将样本处理成“类目-评论”数据对的形式，将类目与评论结合在一起，例如数据对可以是“家用电器-下单第二天到货，非常快。吸尘器很炫酷，多种组合，组合的时候也很方便！”。然后，将所有类目的评论标注成三类样本，例如label_1可以代表适用于所有类目的通用评论，label_2可以代表仅适用于类目的专用评论，label_3可以代表适用于其他类目的乱入评论。具体地，例如“家用电器-物流非常快。很好”标记为label_1，“生鲜-哈哈。真不错”标记为：label_1，“服饰内衣-东西不错，很满意”标记为：label_1，“家用电器-下单第二天到货，非常快。吸尘器很炫酷。”标记为：label_2，“生鲜-哈哈。这次送来的百香果真不错”标记为：label_2，“服饰内衣-衣服很软，很暖和，配色很有活力，显得特别青春，赞”标记为：label_2，“服饰内衣-物流很快，螃蟹一个都没死，很新鲜”标记为：label_3，“生鲜-衣服很软，很暖和，配色很有活力”标记为：label_3，“服饰内衣-下单第二天到货，吸尘器很炫酷，吸力强劲。”标记为：label_3。利用标注好的样本进行机器学习模型的训练。例如可以利用标注好的样本进行BiLSTM(Bi-directional Long Short-Term Memory)模型的训练，从而利用训练好的BiLSTM模型对文本信息分类，确定该文本信息的标签。
图5A示意性示出了根据本公开实施例的操作S402确定文本信息是否与类目相关的方法的流程图。
如图5A所示，该方法可以包括操作S412～操作S432。
在操作S412，将多个字符中每个字符的字符向量输入到双向LSTM层中，以由双向长短期记忆网络层对字符向量进行特征提取。
在操作S422，将特征提取获得的提取结果输入到第二全连接层，以由第二全连接层对提取结果进行分析以确定文本信息的类别，其中，类别包括适用于所有类目的通用文本、仅适用于类目的专用文本和适用于其他类目的乱入文本。
在操作S432，在确定文本信息为通用文本或者专用文本的情况下，确定文本信息与类目相关，以及在确定文本信息为乱入文本的情况下，确定文本信息与类目不相关。
根据本公开的实施例，操作S412～操作S432可以通过深度学习模型来实现，该深度学习模型例如可以是BiLSTM模型。第一全连接层和第二全连接层可以采用相同的方法进行分类，或者也可以采用不同的方法进行分类。
图5B示意性示出了根据本公开实施例的用于实现操作S412～操作S432的BiLSTM模型的示意图。
如图5B所示，该BiLSTM模型可以包括双向LSTM层、融合层、第二全连接层和结果输出层。
根据本公开的实施例，在操作S412，例如可以是将“物”、“流”、“很”、“棒”各个字的字符向量按照时序输入到双向LSTM中，由双向LSTM各自输出特征提取子结果。
根据本公开的实施例，特征提取子结果可以输入到融合层，由融合层对双向LSTM分别得到的特征提取子结果进行融合，从而得到各个字符的提取结果。
在操作S422，将提取结果输入到第二全连接层。第二全连接层例如可以根据自身的训练模型计算文本信息属于某个类别的概率。文本信息的类别可以包括适用于所有类目的通用文本、仅适用于所述类目的专用文本和适用于其他类目的乱入文本。
输出层例如可以根据第二全连接层计算出的文本信息分别属于上述三个类别概率来确定出文本信息的类别，可以将概率较大的类别作为输出结果。具体地，例如文本信息是通用文本的概率大于文本信息是专用文本或者乱入文本的概率的情况下，输出层可以确定该文本信息属于通用文本。
在操作S432，在文本信息是通用文本或者专用文本的情况下，确定文本信息与类目相关，以及在确定文本信息为乱入文本的情况下，确定文本信息与类目不相关。
根据本公开的一个示例，在操作S104，例如分类模型可以包括多个LSTM层长短期记忆网络层，分类模型对特征向量进行分析而确定识别结果包括：依次经由多个长短期记忆网络LSTM层对特征向量进行特征提取，以获得深度特征信息。其中，特征向量可以是不仅包括基于关键词所确定的特征向量，还可以包括对象所属的类目的特征向量。将对象所属的类目的特征向量也输入到多个长短期记忆网络LSTM层，从而可以进一步提高该类目的识别准确度。
具体地，例如“物流很棒，摸着手感不错。”是针对数码产品的文本，数码产品所属的类目可以是“数码”，在图3B所示的情景中，可以在分词工具分词得到的第一个关键词“物流很”之前先将“数码”输入到LSTM中。
图6示意性示出了根据本公开另一实施例的文本识别方法的示意图。
如图6所示，该评论识别方法可以包括操作S601～S610。
在操作S601，获取评论信息。
在操作S602，确定该评论信息是否与类目相关。若该评论信息与类目相关，则执行操作S603和操作S604，若该评论信息与类目不相关，则执行操作S610。
在操作S603和操作S604，由分词工具对该评论信息进行分词而获得关键词，以及由深度学习模型BiLSTM提取该评论信息中的关键词。操作S603和操作S604例如可以是并行执行的。
在操作S605和操作S606，获得每个关键词的词粒度特征向量和字粒度特征向量。操作S605和操作S606例如可以是并行执行的。
在操作S607，对词粒度特征向量和字粒度特征向量进行融合，获每个关键词的特征向量。
在操作S608，将每个关键词的特征向量按照时序输入到分类模型中，由分类模型对评论信息进行识别。例如可以执行图3B所描述的操作方法。
若对评论信息进行识别的结果是垃圾评论，则执行操作S610，若对评论信息进行识别的结果不是垃圾评论，则执行操作S609。
在操作S609，可以是输出该评论不是垃圾评论。
在操作S610，可以是输出该评论是垃圾评论。
图7示意性示出了根据本公开实施例的文本识别装置700的方框图。
如图7所示，该文本识别装置700可以包括获取模块710、第一确定模块720、第二确定模块730和输入模块740。
获取模块710，例如可以执行上文参考图1描述的操作S101，用于获取文本信息，文本信息包括多个字符。
第一确定模块720，例如可以执行上文参考图1描述的操作S102，用于确定文本信息中的关键词。
第二确定模块730，例如可以执行上文参考图1描述的操作S103，用于基于关键词，确定特征向量。
输入模块740，例如可以执行上文参考图1描述的操作S104，用于将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。
其中，确定文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列，其中，属性标签序列包括多个属性标签，属性标签指示了文本所针对的对象的属性信息，多个属性标签与多个字符一一对应；以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。
根据本公开的实施例，确定文本信息中的关键词还包括：将文本信息输入到分词模型中，利用分词模型对文本信息进行分词而获得关键词。
根据本公开的实施例，确定关键词的特征向量包括：确定关键词的词粒度特征向量；确定关键词的字粒度特征向量；以及通过将词粒度特征向量和字粒度特征向量进行融合来确定特征向量。
根据本公开的实施例，分类模型对特征向量进行分析而确定识别结果包括：分类模型包括多个长短期记忆网络层，依次经由多个长短期记忆网络层对特征向量进行特征提取，以获得深度特征信息；以及基于深度特征信息，对文本信息分类以确定识别结果。
根据本公开的实施例，分类模型还包括恒映射层、第一全连接层和输出层，基于深度特征信息，对文本信息分类以确定识别结果包括：由恒映射层对深度特征信息和输出信息进行融合，其中，输出信息是特征向量经由多个长短期记忆网络层中的第一个长短期记忆网络层处理而获得的；以及将恒映射层的输出结果输入到第一全连接层，以由第一全连接层对输出结果进行分析；以及经由输出层根据第一全连接层的分析结果来确定识别结果。
根据本公开的实施例，该装置700还可以包括第三确定模块和第四确定模块。第三确定模块用于确定对象所属的类目，第四确定模块用于确定文本信息是否与类目相关。确定文本信息中的关键词包括：在文本信息与类目相关的情况下，确定文本信息中的关键词。
根据本公开的实施例，确定文本信息是否与类目相关包括：将多个字符中每个字符的字符向量输入到双向长短期记忆网络层中，以由双向长短期记忆网络层对字符向量进行特征提取；将特征提取获得的提取结果输入到第二全连接层，以由第二全连接层对提取结果进行分析以确定文本信息的类别，其中，类别包括适用于所有类目的通用文本、仅适用于类目的专用文本和适用于其他类目的乱入文本；在确定文本信息为通用文本或者专用文本的情况下，确定文本信息与类目相关，以及在确定文本信息为乱入文本的情况下，确定文本信息与类目不相关。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，获取模块710、第一确定模块口720、第二确定模块730和输入模块740中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获取模块710、第一确定磨口720、第二确定模块730和输入模块740中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块710、第一确定磨口720、第二确定模块730和输入模块740中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图8示意性示出了根据本公开实施例的电子设备的方框图。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (10)

1.一种文本识别方法，包括：
获取文本信息，所述文本信息包括多个字符；
确定所述文本信息中的关键词；
基于所述关键词，确定特征向量；以及
将所述特征向量输入到分类模型中，以利用所述分类模型对所述特征向量进行分析而确定针对所述文本信息的识别结果，
其中，所述确定所述文本信息中的关键词包括：
将所述文本信息输入到深度学习模型，以由所述深度学习模型根据所述多个字符和所述多个字符中每个字符的上下文信息，确定所述多个字符的属性标签序列，其中，所述属性标签序列包括多个属性标签，所述属性标签指示了所述文本信息所针对的对象的属性信息，所述多个属性标签与所述多个字符一一对应；以及
从所述属性标签序列中确定出满足预设条件的属性标签，并且根据所述满足预设条件的属性标签，确定所述文本信息中的关键词。
2.根据权利要求1所述的方法，其中，所述确定所述文本信息中的关键词还包括：
将所述文本信息输入到分词模型中，利用所述分词模型对所述文本信息进行分词而获得所述关键词。
3.根据权利要求1所述的方法，其中，所述确定所述关键词的特征向量包括：
确定所述关键词的词粒度特征向量；
确定所述关键词的字粒度特征向量；以及
通过将所述词粒度特征向量和所述字粒度特征向量进行融合来确定所述特征向量。
4.根据权利要求1或3所述的方法，其中，所述分类模型对所述特征向量进行分析而确定所述识别结果包括：
所述分类模型包括多个长短期记忆网络层，依次经由所述多个长短期记忆网络层对所述特征向量进行特征提取，以获得深度特征信息；以及
基于所述深度特征信息，对所述文本信息分类以确定所述识别结果。
5.根据权利要求4所述的方法，其中，所述分类模型还包括恒映射层、第一全连接层和输出层，所述基于所述深度特征信息，对所述文本信息分类以确定所述识别结果包括：
由所述恒映射层对所述深度特征信息和所述输出信息进行融合，其中，所述输出信息是所述特征向量经由所述多个长短期记忆网络层中的第一个长短期记忆网络层处理而获得的；以及
将所述恒映射层的输出结果输入到所述第一全连接层，以由所述第一全连接层对所述输出结果进行分析；以及
经由所述输出层根据所述第一全连接层的分析结果来确定所述识别结果。
6.根据权利要求1所述的方法，还包括：
确定所述对象所属的类目；以及
确定所述文本信息是否与所述类目相关，
其中，所述确定所述文本信息中的关键词包括：
在所述文本信息与所述类目相关的情况下，确定所述文本信息中的关键词。
7.根据权利要求6所述的处理方法，其中，所述确定所述文本信息是否与所述类目相关包括：
将所述多个字符中每个字符的字符向量输入到双向长短期记忆网络层中，以由所述双向长短期记忆网络层对所述字符向量进行特征提取；
将所述特征提取获得的提取结果输入到第二全连接层，以由所述第二全连接层对所述提取结果进行分析以确定所述文本信息的类别，其中，所述类别包括适用于所有类目的通用文本、仅适用于所述类目的专用文本和适用于其他类目的乱入文本；
在确定所述文本信息为所述通用文本或者所述专用文本的情况下，确定所述文本信息与所述类目相关，以及在确定所述文本信息为所述乱入文本的情况下，确定所述文本信息与所述类目不相关。
8.一种文本识别装置，包括：
获取模块，用于获取文本信息，所述文本信息包括多个字符；
第一确定模块，用于确定所述文本信息中的关键词；
第二确定模块，用于基于所述关键词，确定特征向量；以及
输入模块，用于将所述特征向量输入到分类模型中，以利用所述分类模型对所述特征向量进行分析而确定针对所述文本信息的识别结果，
其中，所述确定所述文本信息中的关键词包括：
将所述文本信息输入到深度学习模型，以由所述深度学习模型根据所述多个字符和所述多个字符中每个字符的上下文信息，确定所述多个字符的属性标签序列，其中，所述属性标签序列包括多个属性标签，所述属性标签指示了所述文本所针对的对象的属性信息，所述多个属性标签与所述多个字符一一对应；以及
从所述属性标签序列中确定出满足预设条件的属性标签，并且根据所述满足预设条件的属性标签，确定所述文本信息中的关键词。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1～8所述任意一项的方法。
10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如权利要求1～8所述任意一项的方法。
CN201911218504.XA 2019-12-02 2019-12-02 文本识别方法、装置、电子设备和介质 Pending CN111737455A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911218504.XA CN111737455A (zh) 2019-12-02 2019-12-02 文本识别方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911218504.XA CN111737455A (zh) 2019-12-02 2019-12-02 文本识别方法、装置、电子设备和介质

Publications (1)

Publication Number Publication Date
CN111737455A true CN111737455A (zh) 2020-10-02

Family

ID=72645932

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911218504.XA Pending CN111737455A (zh) 2019-12-02 2019-12-02 文本识别方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN111737455A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113689148A (zh) * 2021-09-26 2021-11-23 支付宝(杭州)信息技术有限公司 一种文本风险识别方法、装置及设备
CN113762269A (zh) * 2021-09-08 2021-12-07 深圳市网联安瑞网络科技有限公司 基于神经网络的中文字符ocr识别方法、系统、介质及应用

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073641A (zh) * 2009-11-19 2011-05-25 富士通株式会社 对消费者生成媒体信息进行处理的方法、装置和程序
CN103226576A (zh) * 2013-04-01 2013-07-31 杭州电子科技大学 基于语义相似度的垃圾评论过滤方法
JP2015210700A (ja) * 2014-04-28 2015-11-24 Kddi株式会社 商品に対するユーザの感情分析装置及びプログラム
US20170053213A1 (en) * 2014-04-29 2017-02-23 Beijing Jingdong Shangke Information Co., Ltd. Method and system for filtering goods evaluation information
CN109670542A (zh) * 2018-12-11 2019-04-23 田刚 一种基于评论外部信息的虚假评论检测方法
CN109902179A (zh) * 2019-03-04 2019-06-18 上海宝尊电子商务有限公司 基于自然语言处理的筛选电商垃圾评论的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102073641A (zh) * 2009-11-19 2011-05-25 富士通株式会社 对消费者生成媒体信息进行处理的方法、装置和程序
CN103226576A (zh) * 2013-04-01 2013-07-31 杭州电子科技大学 基于语义相似度的垃圾评论过滤方法
JP2015210700A (ja) * 2014-04-28 2015-11-24 Kddi株式会社 商品に対するユーザの感情分析装置及びプログラム
US20170053213A1 (en) * 2014-04-29 2017-02-23 Beijing Jingdong Shangke Information Co., Ltd. Method and system for filtering goods evaluation information
CN109670542A (zh) * 2018-12-11 2019-04-23 田刚 一种基于评论外部信息的虚假评论检测方法
CN109902179A (zh) * 2019-03-04 2019-06-18 上海宝尊电子商务有限公司 基于自然语言处理的筛选电商垃圾评论的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张圣;伍星;邹东升;: "垃圾商品评论检测研究综述", 计算机工程与科学, no. 11 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113762269A (zh) * 2021-09-08 2021-12-07 深圳市网联安瑞网络科技有限公司 基于神经网络的中文字符ocr识别方法、系统、介质及应用
CN113762269B (zh) * 2021-09-08 2024-03-22 深圳市网联安瑞网络科技有限公司 基于神经网络的中文字符ocr识别方法、系统及介质
CN113689148A (zh) * 2021-09-26 2021-11-23 支付宝(杭州)信息技术有限公司 一种文本风险识别方法、装置及设备

Similar Documents

Publication Publication Date Title
Zhou et al. Salient region detection using diffusion process on a two-layer sparse graph
Zhang et al. Weakly supervised object detection using proposal-and semantic-level relationships
US20230237328A1 (en) Information processing method and terminal, and computer storage medium
US20170329755A1 (en) Method and apparatus and computer device for automatic semantic annotation for an image
CN111444334B (zh) 数据处理方法、文本识别方法、装置及计算机设备
CN102902821B (zh) 基于网络热点话题的图像高级语义标注、检索方法及装置
CN111738011A (zh) 违规文本的识别方法及装置、存储介质、电子装置
CN108491388B (zh) 数据集获取方法、分类方法、装置、设备及存储介质
CN112164391A (zh) 语句处理方法、装置、电子设备及存储介质
CN106874314B (zh) 信息推荐的方法和装置
US11544510B2 (en) System and method for multi-modal image classification
CN111598164A (zh) 识别目标对象的属性的方法、装置、电子设备和存储介质
CN111708888A (zh) 基于人工智能的分类方法、装置、终端和存储介质
CN108241867B (zh) 一种分类方法及装置
CN111737455A (zh) 文本识别方法、装置、电子设备和介质
CN110807086A (zh) 文本数据标注方法及装置、存储介质、电子设备
US9830533B2 (en) Analyzing and exploring images posted on social media
Nafees et al. Sentiment analysis of polarity in product reviews in social media
CN114240568A (zh) 关联产品的推荐方法和推荐装置
CN113537206B (zh) 推送数据检测方法、装置、计算机设备和存储介质
Meng et al. Globally measuring the similarity of superpixels by binary edge maps for superpixel clustering
Meng et al. Merged region based image retrieval
CN112328881A (zh) 文章推荐方法、装置、终端设备及存储介质
CN111523315B (zh) 数据处理方法、文本识别方法、装置及计算机设备
CN113408282B (zh) 主题模型训练和主题预测方法、装置、设备及存储介质

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