CN111949767A - 一种文本关键词的查找方法、装置、设备和存储介质 - Google Patents
一种文本关键词的查找方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111949767A CN111949767A CN202010844970.5A CN202010844970A CN111949767A CN 111949767 A CN111949767 A CN 111949767A CN 202010844970 A CN202010844970 A CN 202010844970A CN 111949767 A CN111949767 A CN 111949767A
- Authority
- CN
- China
- Prior art keywords
- word
- target text
- entity
- text
- word vectors
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000013598 vector Substances 0.000 claims abstract description 105
- 238000003062 neural network model Methods 0.000 claims abstract description 33
- 238000005516 engineering process Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- 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
Abstract
本发明实施例公开了一种文本关键词的查找方法、装置、设备和存储介质。该方法包括:获取目标文本;采用命名实体识别技术提取出所述目标文本中的第一实体词语;将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;确定所述第一词向量的中心点;将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。本发明实施例实现了快速准确的获取文本关键词。
Description
技术领域
本发明实施例涉及文本技术,尤其涉及一种文本关键词的查找方法、装置、设备和存储介质。
背景技术
在博眼球、赚点击的时代,很多文本的内容彼此不协调,可能在段落中穿插了广告或一些无意义的内容,商家获取到了点击量,但是用户的时间却因此被浪费。
但在现有的用户获取文本进行阅读的过程中,没有方法对这些文本中的广告进行过滤,用户没有办法跳过这些穿插的无效信息,无法直接找到自己想要看的信息,也无法仅仅通过文本标题直接判断该文本是否为自己所需要的,因此为了让阅读或查找更有效率,直接获取到一篇文本的关键词,可以帮助用户判断是否需要阅读或该篇文本是否为自己想要的需求越来越迫切。
发明内容
本发明实施例提供一种文本关键词的查找方法、装置、设备和存储介质,以实现快速准确的获取文本关键词。
为达此目的,本发明实施例提供了一种文本关键词的查找方法,该方法包括:
获取目标文本;
采用命名实体识别技术提取出所述目标文本中的第一实体词语;
将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;
确定所述第一词向量的中心点;
将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
进一步的,所述确定所述第一词向量的中心点之后包括:
获取与所述第三词向量对应的第一实体词语作为所述目标文本的过滤词,所述第三词向量为与所述中心点的距离最远的前第二预设数量的第一词向量;
对所述过滤词进行调整以展示所述目标文本。
进一步的,所述对所述过滤词进行调整以展示所述目标文本包括:
对所述过滤词进行折叠以展示所述目标文本。
进一步的,所述对所述过滤词进行调整以展示所述目标文本包括:
对所述过滤词进行调整后,将所述目标文本中同一段落内的句子依次两两输入至预先训练好的第二神经网络模型以得到同一段落内句子间的相似度;
根据同一段落内句子间的相似度展示所述目标文本。
进一步的,所述根据同一段落内句子间的相似度展示所述目标文本包括:
根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数;
根据所述相似度分数展示所述目标文本。
进一步的,所述第一神经网络模型为Word2vec模型。
进一步的,所述第二神经网络模型为孪生神经网络模型。
一方面,本发明实施例还提供了一种文本关键词的查找装置,该装置包括:
文本获取模块,用于获取目标文本;
词语提取模块,用于采用命名实体识别技术提取出所述目标文本中的第一实体词语;
向量获取模块,用于将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;
中心确定模块,用于确定所述第一词向量的中心点;
关键词获取模块,用于将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
另一方面,本发明实施例还提供了一种计算机设备,该计算机设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例提供的方法。
又一方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例提供的方法。
本发明实施例通过获取目标文本;采用命名实体识别技术提取出所述目标文本中的第一实体词语;将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;确定所述第一词向量的中心点;将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量,解决了用户没有办法跳过这些穿插的无效信息,无法直接找到自己想要看的信息,也无法仅仅通过文本标题直接判断该文本是否为自己所需要的问题,实现了快速准确的获取文本关键词的效果。
附图说明
图1是本发明实施例一提供的一种文本关键词的查找方法的流程示意图;
图2是本发明实施例二提供的一种文本关键词的查找方法的流程示意图;
图3是本发明实施例三提供的一种文本关键词的查找装置的结构示意图;
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外,术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等,但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一模块称为第二模块,且类似地,可将第二模块称为第一模块。第一模块和第二模块两者都是模块,但其不是同一模块。术语“第一”、“第二”等不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明实施例的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
实施例一
如图1所示,本发明实施例一提供了一种文本关键词的查找方法,该方法包括:
S110、获取目标文本。
S120、采用命名实体识别技术提取出所述目标文本中的第一实体词语。
本实施例中,获取用户输入的目标文本,然后采用命名实体识别技术提取出目标文本中的第一实体词语,其中,命名实体识别技术(NER,Named Entity Recognition)可以识别出目标文本中三大类(实体类、时间类和数字类)和七小类(人名、机构名、地名、时间、日期、货币和百分比)的命名实体。示例性的,目标文本包括句子“小明早上8点去学校上课”,那么使用命名实体识别技术就可以提取出人名:“小明”,时间:“早上8点”,地点:“学校”。逐句识别直至识别完整个目标文本。
S130、将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量。
S140、确定所述第一词向量的中心点。
S150、将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
本实施例中,获取到第一实体词语后,将第一实体词语输入至预先训练好的第一神经网络模型以得到每个第一实体词语的第一词向量。其中第一神经网络模型已经训练好,输入实体词语后就可以获得对应的词向量,然后确定第一词向量的中心点,因为第一实体词语为多个,因此第一词向量也为多个,然后确定这些第一词向量的中心点,即表示该目标文本中的中心,最后从第一词向量中获取为与中心点的距离最近的前第一预设数量的第一词向量,作为第二词向量,其中第一预设数量为用户设置的,用户根据需要获得的关键词的数量设定第一预设数量,然后获取到与第二词向量对应的第一实体词语,并将其作为目标文本的关键词。
作为优选的,用户还可以设置关键词的类别,因命名实体识别技术可以识别出目标文本中三大类(实体类、时间类和数字类)和七小类(人名、机构名、地名、时间、日期、货币和百分比)的命名实体,用户也可以选择关键词的类别,获取到的第二词向量对应的第一实体词语为用户选择的命名实体类别。
作为优选的,在获取目标文本之前,若用户输入了多个目标文本,还可以进一步过滤目标文本,过滤掉文本标题和文本内容不符的目标文本。具体的,获取目标文本和目标文本的文本标题,然后从目标文本中提取出第一预设数量的第一关键词,并从文本标题中提取出第二预设数量的第二关键词,将第一关键词输入至预先训练好的Word2vec(word tovector)神经网络模型以得到第一词组向量,并将第二关键词输入至预先训练好的Word2vec神经网络模型以得到第二词组向量,然后确定第一词组向量的平均向量为第一向量,并确定第二词组向量的平均向量为第二向量,最后确定第一向量和第二向量的第一余弦相似度,根据第一余弦相似度过滤所述目标文本,判断第一余弦相似度是否小于第一阈值,若第一余弦相似度小于第一阈值,则过滤掉该目标文本,避免无效文本的展示。作为优选的,在获取目标文本之前,还可以从目标文本的任一段落中提取出第一预设数量的第一关键词,采用上述方法过滤掉目标文本中和文本标题不相关的段落。
本发明实施例通过获取目标文本;采用命名实体识别技术提取出所述目标文本中的第一实体词语;将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;确定所述第一词向量的中心点;将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量,解决了用户没有办法跳过这些穿插的无效信息,无法直接找到自己想要看的信息,也无法仅仅通过文本标题直接判断该文本是否为自己所需要的问题,实现了快速准确的获取文本关键词的效果。
实施例二
如图2所示,本发明实施例二提供了一种文本关键词的查找方法,本发明实施例二是在本发明实施例一的基础上进一步的说明解释,在本发明实施例一中步骤S140之后,该方法还包括:
S141、获取与所述第三词向量对应的第一实体词语作为所述目标文本的过滤词,所述第三词向量为与所述中心点的距离最远的前第二预设数量的第一词向量。
本实施例中,还可以从第一词向量中获取为与中心点的距离最远的前第二预设数量的第一词向量,作为第三词向量,其中第二预设数量为用户设置的,用户根据过滤需求设定第二预设数量,然后获取到与第三词向量对应的第一实体词语,因第三词向量距离中心点远,则说明第三词向量对应的第一实体词语与目标文本的主要含义相关性较低,因此将其作为目标文本的过滤词。将过滤词过滤掉后展示目标文本。
S142、对所述过滤词进行调整后,将所述目标文本中同一段落内的句子依次两两输入至预先训练好的第二神经网络模型以得到同一段落内句子间的相似度。
S143、根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数。
S144、根据所述相似度分数展示所述目标文本。
本实施例中,在获取到目标文本的过滤词后,就可以对过滤词进行调整,进行删除或折叠,在此之后,进一步的,还可以将目标文本以段落进行划分,每个段落以句子进行划分,将目标文本中同一段落内的句子依次两两输入至预先训练好的第二神经网络模型以得到同一段落内句子间的相似度,并根据同一段落内句子间的相似度获取同一段落内每个句子的相似度分数,最后根据所述相似度分数过滤句子并展示目标文本。其中,第一神经网络模型为Word2vec 模型。第二神经网络模型为孪生神经网络(Siamese Network)模型。
示例性的,目标文本包括段落一,段落一中包括句子A、句子B和句子C,然后将句子A和句子B作为一组,句子A和句子C作为一组,句子B和句子 C作为一组,一次输入至预先训练好的神经网络模型,其中神经网络模型已经过预先训练,输入两个句子后就可以得到这两个句子的相似度,由此可以得到句子A和句子B的相似度,句子A和句子C的相似度,句子B和句子C的相似度。然后按同样的方法处理段落二、段落三等,直至将整个目标文本处理完毕。其中,句子A和句子B的相似度高,句子A和句子C的相似度低,且句子B和句子C的相似度低,那么可以说明句子C是该段落中无效的信息,因此将句子C过滤掉后展示目标文本。
进一步的,得到据同一段落内句子间的相似度后,还可以据此获取同一段落内每个句子的相似度分数。示例性的,句子A和句子B的相似度高,设置为 1分,句子A和句子C的相似度低,设置为0.5分,句子B和句子C的相似度低,设置为0.5分,那么句子A的相似度分数为1分和0.5分的平均数,0.75 分,句子B的相似度分数为1分和0.5分的平均数,0.75分,句子C的相似度分数为0.5分和0.5分的平均数,0.5分,然后将相似度分数从高到低进行排序,并获取相似度分数排名大于第一阈值的第一句子和相似度分数排名小于第二阈值的第二句子,第一阈值和第二阈值可以为2,那么第一句子为句子A和句子 B,第二句子为句子C。最后将第一句子以第一方式展示,并将第二句子以第二方式展示,即将句子A和句子B以高亮、加粗的方式展示,并将句子C以低亮、灰色展示,这样用户在阅读时就很容易注意到句子A和句子B这种相关内容,而会忽视句子C这种无效内容。
实施例三
如图3所示,本发明实施例三提供了一种文本关键词的查找装置100,本发明实施例三所提供的文本关键词的查找装置100可执行本发明任意实施例所提供的文本关键词的查找方法,具备执行方法相应的功能模块和有益效果。该文本关键词的查找装置100包括文本获取模块200、词语提取模块300、向量获取模块400、中心确定模块500和关键词获取模块600。
具体的,文本获取模块200用于获取目标文本;词语提取模块300用于采用命名实体识别技术提取出所述目标文本中的第一实体词语;向量获取模块400 用于将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;中心确定模块500用于确定所述第一词向量的中心点;关键词获取模块600用于将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
进一步的,该文本关键词的查找装置100还包括文本展示模块700,文本展示模块700用于获取与所述第三词向量对应的第一实体词语作为所述目标文本的过滤词,所述第三词向量为与所述中心点的距离最远的前第二预设数量的第一词向量;对所述过滤词进行调整以展示所述目标文本。文本展示模块700 具体用于对所述过滤词进行折叠以展示所述目标文本。文本展示模块700具体还用于对所述过滤词进行调整后,将所述目标文本中同一段落内的句子依次两两输入至预先训练好的第二神经网络模型以得到同一段落内句子间的相似度;根据同一段落内句子间的相似度展示所述目标文本。文本展示模块700具体还用于根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数;根据所述相似度分数展示所述目标文本。
作为优选的,所述第一神经网络模型为Word2vec模型。所述第二神经网络模型为孪生神经网络模型。
实施例四
图4为本发明实施例四提供的一种计算机设备12的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图4显示的计算机设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机设备12以通用计算设备的形式表现。计算机设备12 的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器 28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构 (ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会 (VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示,通常称为“硬盘驱动器”)。尽管图4中未示出,可以提供用于对可移动非易失性磁盘 (例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如 CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O) 接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的方法:
获取目标文本;
采用命名实体识别技术提取出所述目标文本中的第一实体词语;
将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;
确定所述第一词向量的中心点;
将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的方法:
获取目标文本;
采用命名实体识别技术提取出所述目标文本中的第一实体词语;
将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;
确定所述第一词向量的中心点;
将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中,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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、 Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN) —连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种文本关键词的查找方法,其特征在于,包括:
获取目标文本;
采用命名实体识别技术提取出所述目标文本中的第一实体词语;
将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;
确定所述第一词向量的中心点;
将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
2.根据权利要求1所述的方法,其特征在于,所述确定所述第一词向量的中心点之后包括:
获取与所述第三词向量对应的第一实体词语作为所述目标文本的过滤词,所述第三词向量为与所述中心点的距离最远的前第二预设数量的第一词向量;
对所述过滤词进行调整以展示所述目标文本。
3.根据权利要求2所述的方法,其特征在于,所述对所述过滤词进行调整以展示所述目标文本包括:
对所述过滤词进行折叠以展示所述目标文本。
4.根据权利要求2所述的方法,其特征在于,所述对所述过滤词进行调整以展示所述目标文本包括:
对所述过滤词进行调整后,将所述目标文本中同一段落内的句子依次两两输入至预先训练好的第二神经网络模型以得到同一段落内句子间的相似度;
根据同一段落内句子间的相似度展示所述目标文本。
5.根据权利要求4所述的方法,其特征在于,所述根据同一段落内句子间的相似度展示所述目标文本包括:
根据同一段落内句子间的相似度获取同一段落内每个所述句子的相似度分数;
根据所述相似度分数展示所述目标文本。
6.根据权利要求1所述的方法,其特征在于,所述第一神经网络模型为Word2vec模型。
7.根据权利要求4所述的方法,其特征在于,所述第二神经网络模型为孪生神经网络模型。
8.一种文本关键词的查找装置,其特征在于,包括:
文本获取模块,用于获取目标文本;
词语提取模块,用于采用命名实体识别技术提取出所述目标文本中的第一实体词语;
向量获取模块,用于将所述第一实体词语输入至预先训练好的第一神经网络模型以得到每个所述第一实体词语的第一词向量;
中心确定模块,用于确定所述第一词向量的中心点;
关键词获取模块,用于将与所述第二词向量对应的第一实体词语作为所述目标文本的关键词,所述第二词向量为与所述中心点的距离最近的前第一预设数量的第一词向量。
9.一种计算机设备,其特征在于,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,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844970.5A CN111949767A (zh) | 2020-08-20 | 2020-08-20 | 一种文本关键词的查找方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844970.5A CN111949767A (zh) | 2020-08-20 | 2020-08-20 | 一种文本关键词的查找方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949767A true CN111949767A (zh) | 2020-11-17 |
Family
ID=73359142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010844970.5A Pending CN111949767A (zh) | 2020-08-20 | 2020-08-20 | 一种文本关键词的查找方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949767A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818686A (zh) * | 2021-03-23 | 2021-05-18 | 北京百度网讯科技有限公司 | 领域短语挖掘方法、装置和电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133045A (zh) * | 2018-01-12 | 2018-06-08 | 广州杰赛科技股份有限公司 | 关键词提取方法与系统、关键词提取模型生成方法与系统 |
CN108763213A (zh) * | 2018-05-25 | 2018-11-06 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 主题特征文本关键词提取方法 |
CN109885683A (zh) * | 2019-01-29 | 2019-06-14 | 桂林远望智能通信科技有限公司 | 一种基于K-means模型和神经网络模型的生成文本摘要的方法 |
US20190220749A1 (en) * | 2018-01-17 | 2019-07-18 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Text processing method and device based on ambiguous entity words |
-
2020
- 2020-08-20 CN CN202010844970.5A patent/CN111949767A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133045A (zh) * | 2018-01-12 | 2018-06-08 | 广州杰赛科技股份有限公司 | 关键词提取方法与系统、关键词提取模型生成方法与系统 |
US20190220749A1 (en) * | 2018-01-17 | 2019-07-18 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Text processing method and device based on ambiguous entity words |
CN108763213A (zh) * | 2018-05-25 | 2018-11-06 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 主题特征文本关键词提取方法 |
CN109885683A (zh) * | 2019-01-29 | 2019-06-14 | 桂林远望智能通信科技有限公司 | 一种基于K-means模型和神经网络模型的生成文本摘要的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818686A (zh) * | 2021-03-23 | 2021-05-18 | 北京百度网讯科技有限公司 | 领域短语挖掘方法、装置和电子设备 |
CN112818686B (zh) * | 2021-03-23 | 2023-10-31 | 北京百度网讯科技有限公司 | 领域短语挖掘方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107908635B (zh) | 建立文本分类模型以及文本分类的方法、装置 | |
CN108334490B (zh) | 关键词提取方法以及关键词提取装置 | |
CN106897439B (zh) | 文本的情感识别方法、装置、服务器以及存储介质 | |
CN110276023B (zh) | Poi变迁事件发现方法、装置、计算设备和介质 | |
JP6756079B2 (ja) | 人工知能に基づく三元組チェック方法、装置及びコンピュータプログラム | |
CN109783490B (zh) | 数据融合方法、装置、计算机设备及存储介质 | |
CN107909088B (zh) | 获取训练样本的方法、装置、设备和计算机存储介质 | |
US20140101606A1 (en) | Context-sensitive information display with selected text | |
US20140101544A1 (en) | Displaying information according to selected entity type | |
CN110415679B (zh) | 语音纠错方法、装置、设备和存储介质 | |
CN107526846B (zh) | 频道排序模型的生成、排序方法、装置、服务器和介质 | |
US9633008B1 (en) | Cognitive presentation advisor | |
US20140101542A1 (en) | Automated data visualization about selected text | |
CN109408829B (zh) | 文章可读性确定方法、装置、设备和介质 | |
EP3690676A1 (en) | Method, apparatus, computer device and storage medium for verifying community question answer data | |
CN107608618B (zh) | 一种用于可穿戴设备的交互方法、装置和可穿戴设备 | |
CN110377750B (zh) | 评论生成及评论生成模型训练方法、装置及存储介质 | |
JP2015162244A (ja) | 発話ワードをランク付けする方法、プログラム及び計算処理システム | |
CN110032734B (zh) | 近义词扩展及生成对抗网络模型训练方法和装置 | |
CN113806550A (zh) | 个性化知识图谱的生成方法、装置及计算机设备 | |
CN111259262A (zh) | 一种信息检索方法、装置、设备及介质 | |
CN111143556A (zh) | 软件功能点自动计数方法、装置、介质及电子设备 | |
CN114840662A (zh) | 事件信息抽取方法、装置及电子设备 | |
CN111597800A (zh) | 同义句的获取方法及装置、设备及存储介质 | |
CN107239209B (zh) | 一种拍照搜索方法、装置、终端及存储介质 |
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 |