CN112699237A - 标签确定方法、设备和存储介质 - Google Patents
标签确定方法、设备和存储介质 Download PDFInfo
- Publication number
- CN112699237A CN112699237A CN202011548347.1A CN202011548347A CN112699237A CN 112699237 A CN112699237 A CN 112699237A CN 202011548347 A CN202011548347 A CN 202011548347A CN 112699237 A CN112699237 A CN 112699237A
- Authority
- CN
- China
- Prior art keywords
- processed
- article
- candidate
- nodes
- tag
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 230000011218 segmentation Effects 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013145 classification model Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了标签确定方法、设备和存储介质,涉及深度学习、自然语言处理等人工智能技术领域。具体实现方案为:在确定待处理文章的标签的过程,结合待处理文章的有向图,确定出待处理文章的候选标签集合,并结合预设的语义分析模型对待处理文章对应的分词进行语义分析,以根据语义分析结果确定待处理文章的类别标签。由此,提出了一种结合有向图确定文章的标签的方式,通过对待处理文章的有向图以及待处理文章的分词,准确确定出了待处理文章的标签。
Description
技术领域
本申请涉及计算机技术领域,具体涉及深度学习、自然语言处理等人工智能技术领域,尤其涉及标签确定方法、设备和存储介质。
背景技术
对于文章的标签抽取,具体是指从文章中提取出能够反映出文章内容的多个标签。准确地确定出文章的标签,对于后续对文章的分类、推荐以及关联具有重要的意义。因此,如何准确确定出文章的标签是目前亟需解决的技术问题。
发明内容
本申请提供了一种用于标签确定方法、设备和存储介质。根据本申请的一方面,提供了一种标签确定方法,包括:获取待处理文章的有向图,其中,所述待处理文章包括多个分词,所述有向图包括多个节点以及节点之间的有向边,且所述多个节点分别与所述多个分词对应,所述有向边的方向从先出现的分词指向后出现的分词;根据所述多个节点以及节点之间的有向边,确定所述有向图中所述多个节点的中介中心性;根据所述多个节点的中介中心性,从所述多个节点中选择出目标节点,并将与所述目标节点所对应的目标分词添加到所述待处理文章的候选标签集合中;根据预设的语义分析模型对所述多个分词进行语义分析,以得到对应的类别标签;根据所述候选标签集合和所述类别标签,确定出所述待处理文章对应的标签集合。
根据本申请的另一方面,提供了一种标签确定装置,包括:第一获取模块,用于获取待处理文章的有向图,其中,所述待处理文章包括多个分词,所述有向图包括多个节点以及节点之间的有向边,且所述多个节点分别与所述多个分词对应,所述有向边的方向从先出现的分词指向后出现的分词;第一确定模块,用于根据所述多个节点以及节点之间的有向边,确定所述有向图中所述多个节点的中介中心性;第一标签模块,用于根据所述多个节点的中介中心性,从所述多个节点中选择出目标节点,并将与所述目标节点所对应的目标分词添加到所述待处理文章的候选标签集合中;第二标签模块,用于根据预设的语义分析模型对所述多个分词进行语义分析,以得到对应的类别标签;第二确定模块,用于根据所述候选标签集合和所述类别标签,确定出所述待处理文章对应的标签集合。
根据本申请的另一方面,提供了一种电子设备,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本申请的标签确定方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例公开的标签确定方法。
根据本申请的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本申请的标签确定方法。
上述申请中的一个实施例具有如下优点或有益效果:
在确定待处理文章的标签的过程,结合待处理文章的有向图,确定出待处理文章的候选标签集合,并结合预设的语义分析模型对待处理文章对应的分词进行语义分析,以根据语义分析结果确定待处理文章的类别标签。由此,提出了一种结合有向图确定文章的标签的方式,通过对待处理文章的有向图以及待处理文章的分词,准确确定出了待处理文章的标签。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请一个实施例提供的一种标签确定方法的流程示意图;
图2是步骤104的细化流程示意图;
图3是根据本申请另一个实施例提供的一种标签确定方法的流程示意图;
图4是根据本申请一个具体实施例提供的一种标签确定方法的流程示意图;
图5是根据本申请一个实施例提供的一种标签确定装置的结构示意图;
图6是根据本申请另一个实施例提供的一种标签确定装置的结构示意图;
图7是用来实现本申请实施例的标签确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本申请实施例的标签确定方法、设备和存储介质。
图1是根据本申请一个实施例提供的一种标签确定方法的流程示意图。
如图1所示,该标签确定方法可以包括:
步骤101,获取待处理文章的有向图。
其中,待处理文章包括多个分词,有向图包括多个节点以及节点之间的有向边,且多个节点分别与多个分词对应,有向边的方向从先出现的分词指向后出现的分词。
其中,上述标签确定方法的执行主体为标签确定装置,该标签确定装置可以由软件和/或硬件的方式实现,该实施例中的标签确定装置可以配置电子设备中,该电子设备可以包括但不限于终端设备、服务器等。
在本实施例中,上述多个分词是通过对待处理文章进行分词而得到的。为了可以得到待处理文章的分词,通过对待处理文章进行分词而得到多个分词的可能实现方式为:对待处理文章进行分词,以得到多个候选分词集合,基于预设的统计语言模型地每个候选分词集合进行路径搜索,并得到每个候选分词集对应的路径评分,根据路径评分从多个候选分词集合中选择出目标分词集合,并将目标分词集合中的分词作为待处理文章的分词结果。
其中,统计语言模型可以根据实际业务需求选择,例如,统计语言模型可以为N元模型(即,N-Gram模型)。
其中,上述待处理文章可以为任意的文章。
在一种示例性的实施方式,在接收到用户的文章发布请求后,可根据文章发送请求获取待发布的文章,并将待发布的文章作为待处理文章,以通过该实施例的方式确定出该待处理文章的标签,并基于待处理文章的标签进行后续发布处理。
步骤102,根据多个节点以及节点之间的有向边,确定有向图中多个节点的中介中心性。
其中,中介中心性是指一个结点担任其它两个结点之间最短路的桥梁的次数。
步骤103,根据多个节点的中介中心性,从多个节点中选择出目标节点,并将与目标节点所对应的目标分词添加到待处理文章的候选标签集合中。
步骤104,根据预设的语义分析模型对多个分词进行语义分析,以得到对应的类别标签。
在本实施例中,通过预设的语义分析模型对多个分词进行综合语义分析,以得到多个分词的语义分析结果,并结合语义分析结果得到对应的类别标签,并将所得到的类别标签作为待处理文章的类别标签。
例如,对待处理文章中包括多个功夫类影视明星姓名,结合待处理文章中的功夫类影视明星姓名以及其他文章内容进行语义分析,如果根据分析结果确定待处理文章介绍功夫明星的文章,对应地,待处理文章的类别标签可以为功夫明星介绍类。
步骤105,根据候选标签集合和类别标签,确定出待处理文章对应的标签集合。
在本申请的实施例中,可将候选标签集合和类别标签进行合并,并对合并后的标签集合进行去重,并将去重的后的标签集合作为该待处理文章的标签集合。
本申请实施例的标签确定方法,在确定待处理文章的标签的过程,结合待处理文章的有向图,确定出待处理文章的候选标签集合,并结合预设的语义分析模型对待处理文章对应的分词进行语义分析,以根据语义分析结果确定待处理文章的类别标签。由此,提出了一种结合有向图确定文章的标签的方式,通过对待处理文章的有向图以及待处理文章的分词,准确确定出了待处理文章的标签。
基于上述实施例的基础上,在本申请的一个实施例中,在不同应用场景中,上述根据多个节点的中介中心性,从多个节点中选择出目标节点的实现方式不同,举例说明如下:
作为一种可能的实现方式,可根据多个节点的中介中心性,获取具有最大中介中心性的节点作为目标节点。
作为另一种可能的实现方式,按照中介中心性从大到小的顺序,对多个节点的中介中心性进行排序,以得到排序结果,从排序结果中获取排序在前N位的节点作为目标节点,其中,N为大于或者等于1的整数。
在本实施例中,结合多个节点的中介中心性的大小进行从大到小排序,并根据排序结果,得到排序在前N位的节点作为目标节点。由此,方便后续基于所确定出目标节点准确得到该待处理文章的候选标签。
基于上述实施例的基础上,为了可以准确得到待处理文章的候选标签集合,在本申请的一个实施例中,将与目标节点所对应的目标分词添加到待处理文章的候选标签集合中之前,可将目标分词输入到预先训练的分类模型中,以得到目标分词的分类结果;在根据分词结果确定目标分词符合语义标准的情况下,执行将目标分词添加到待处理文章的候选标签集合中的步骤。也就是说,可通过预设的分类模型对目标分词进行分析,以确定目标分词是否符合语义标准,如果该目标分词符合语义标注,则目标分词可以作为标签,并将目标分词添加到待处理文章的候选标签集合中。
在本申请的一个实施例中,为了可以准确确定出待处理的类别标签,可集合分词在待处理文章的分布情况进行语义分析。在本实施例中,语义分析模型包括注意力层、语义表示层以及语义分析层,上述步骤104根据预设的语义分析模型对多个分词进行语义分析,以得到对应的类别标签的一种可能实现方式,如图2所示,可以包括:
步骤201,针对每个分词,获取分词在待处理文章的分布特征信息。
步骤202,将分布特征信息输入到注意力层,以得到分词的注意力分数。
步骤203,将注意力分数以及分词输入到语义表示层,以得到分词的语义表示。
步骤204,通过语义分析层对多个分词的语义表示进行语义分析,以得到对应的类别标签。
在本实施例中,语义分析模型结合分词在待处理文章的分布特征进行编码,以得到对应分词的注意力分数,并结合注意力分数对分词进行语义表示,并结合待处理文章中所有分词的语义表示进行综合语义分析,以得到对应的类别标签,并将所得到的类别标签作为该待处理文章的类别标签。从而准确确定出了待处理文章的类别标签。
在本申请的一个实施例中,为了可以准确确定出待处理文章的标签,在基于有向图的方式确定出待处理文章的候选标签集合的情况下,还可以采用其他方式确定待处理文章的标签,并将所确定出的标签添加到候选标签集合中,以进行后续处理。其中,其他方式可以包括下述方式中的至少一种:
关键词召回方式:对待处理文章进行关键词提取,并将所提取到的关键词添添加到候选标签集合中。
显示召回方式,从待处理文章中获取与预设标签匹配的词语,并将匹配到的词语添加到候选标签集合中。
隐式召回方式:根据多个分词之间的相似度,对多个分词进行词语聚类,以及将词语聚类结果得到的标签添加到候选标签集合中。
换言之,在本实施例中,因此,在根据候选标签集合和类别标签,确定出待处理文章对应的标签集合之前,还可以包括:对待处理文章进行关键词提取,并将所提取到的关键词添添加到候选标签集合中;和/或者从待处理文章中获取与预设标签匹配的词语,并将匹配到的词语添加到候选标签集合中;和/或者根据多个分词之间的相似度,对多个分词进行词语聚类,以及将词语聚类结果得到的标签添加到候选标签集合中。
可以理解的是,上述候选标签集合包括M个候选标签,其中,M为大于1的整数,在本申请的一个实施例中,为了可以准确确定出待处理文章的标签,在根据候选标签集合和类别标签,确定出待处理文章对应的标签集合之前,如图3所示,方法还包括:
步骤301,根据预设的语义匹配模型,分别对每个候选标签与待处理文章进行语义匹配,以得到每个候选标签与待处理文章之间的匹配程度。
其中,上述语义匹配模型是预先训练的语义匹配模型。上述语义匹配模型可以为相似网(SimilarityNet,SimNet)语义匹配模型。
步骤302,根据匹配程度,对M个候选标签进行排序,以得到标签排序结果。
步骤303,从标签排序结果中,获取排序在K位之后的第一候选标签,其中,K为大于或者等于1的整数,且K小于M。
步骤304,删除候选标签集合中的第一候选标签。
在本实施例中,通过语义匹配模型候选标签与待处理文章确定待处理文章之间的匹配程度,并根据匹配程度,对M个候选标签进行排序,以得到标签排序结果,以及将删除候选标签集合中的位于k位之后的候选标签删除,从而将匹配程度不高的候选标签删除,进而可提高所确定出的待处理文章的标签的准确度。
为了使得本领域的技术人员可以清楚了解本申请下面结合图4对该实施例的标签确定方法进行示例性描述。
如图4所示,对于待处理文章,可基于该待处理文章的有向图,确定出中介中心性满足要求的目标节点,并获取目标节点所对应的目标分词,并通过文本分类模型确定目标分词是否满足语义标准,如果满足语义标准,则将目标分词添加到待处理文章的候选标签集合中。在通过有向图对待处理文章进行处理的过程中,可通过显示召回方式、隐式召回方式和关键词召回方式对待处理文章进行标签抽取,并将上述三种方式所得到的结果添加到待处理文章的候选标签集合中。
对应地,针对候选标签集合中的每个候选标签,通过语义匹配模型,确定出每个候选标签与待处理文章的匹配程度,并根据匹配程度将候选标签集合中不符合要求的候选标签删除。然后,基于语义分析模型对待处理文章的多个分词进行语义分析,以得到待处理文章的类别标签,并基于类别标签以及处理后的候选标签集合,得到待处理文章的标签集合。
在本申请的一个实施例中,在得到待处理文章的标签集合后,可通过标签集合中的标签对待处理文章进行标记。
为了实现上述实施例,本申请实施例还提供一种标签确定装置。
图5是根据本申请一个实施例提供的一种标签确定装置的结构示意图。
如图5所示,该标签确定装置500可以包括第一获取模块501、第一确定模块502、第一标签模块503、第二标签模块504和第二确定模块505,其中:
第一获取模块501,用于获取待处理文章的有向图,其中,待处理文章包括多个分词,有向图包括多个节点以及节点之间的有向边,且多个节点分别与多个分词对应,有向边的方向从先出现的分词指向后出现的分词。
第一确定模块502,用于根据多个节点以及节点之间的有向边,确定有向图中多个节点的中介中心性。
第一标签模块503,用于根据多个节点的中介中心性,从多个节点中选择出目标节点,并将与目标节点所对应的目标分词添加到待处理文章的候选标签集合中。
第二标签模块504,用于根据预设的语义分析模型对多个分词进行语义分析,以得到对应的类别标签。
第二确定模块505,用于根据候选标签集合和类别标签,确定出待处理文章对应的标签集合。
其中,需要说明的是,前述对标签确定方法实施例的解释说明也适用于本实施例,本实施对此不再赘述。
本申请实施例的标签确定装置,在确定待处理文章的标签的过程,结合待处理文章的有向图,确定出待处理文章的候选标签集合,并结合预设的语义分析模型对待处理文章对应的分词进行语义分析,以根据语义分析结果确定待处理文章的类别标签。由此,提出了一种结合有向图确定文章的标签的方式,通过对待处理文章的有向图以及待处理文章的分词,准确确定出了待处理文章的标签。
在本申请的一个实施例中,如图6所示,该标签确定装置可以包括:第一获取模块601、第一确定模块602、第一标签模块603、第二标签模块604、第二确定模块605、预处理模块606、语义匹配模块607、排序模块608、第二获取模块609、删除模块610和分类模块611,其中,第二标签模块604包括获取单元6041、注意力分析单元6042、语义表示单元6043和语义分析单元6044。
其中,关于第一获取模块601、第一确定模块602、第一标签模块603、第二确定模块605的详细描述请参考图5所示实施例中第一获取模块501、第一确定模块502、第二标签模块503、第二确定模块505的说明,此处不再进行描述。
在本申请的一个实施例中,第一标签模块603,具体用于:按照中介中心性从大到小的顺序,对多个节点的中介中心性进行排序,以得到排序结果;从排序结果中获取排序在前N位的节点作为目标节点,其中,N为大于或者等于1的整数。
在本申请的一个实施例中,语义分析模型包括注意力层、语义表示层以及语义分析层,第二标签模块604包括:
获取单元6041,用于针对每个分词,获取分词在待处理文章的分布特征信息;
注意力分析单元6042,用于将分布特征信息输入到注意力层,以得到分词的注意力分数;
语义表示单元6043,将注意力分数以及分词输入到语义表示层,以得到分词的语义表示;
语义分析单元6044,通过语义分析层对多个分词的语义表示进行语义分析,以得到对应的类别标签。
在本申请的一个实施例中,上述装置还包括预处理模块606,其中,预处理模块606,具体用于:对待处理文章进行关键词提取,并将所提取到的关键词添添加到候选标签集合中;和/或者从待处理文章中获取与预设标签匹配的词语,并将匹配到的词语添加到候选标签集合中;和/或者根据多个分词之间的相似度,对多个分词进行词语聚类,以及将词语聚类结果得到的标签添加到候选标签集合中。
在本申请的一个实施例中,候选标签集合包括M个候选标签,其中,M为大于1的整数,装置还包括:
语义匹配模块607,用于根据预设的语义匹配模型,分别对每个候选标签与待处理文章进行语义匹配,以得到每个候选标签与待处理文章之间的匹配程度;
排序模块608,用于根据匹配程度,对M个候选标签进行排序,以得到标签排序结果;
第二获取模块609,用于从标签排序结果中,获取排序在K位之后的第一候选标签,其中,K为大于或者等于1的整数,且K小于M;
删除模块610,用于删除候选标签集合中的第一候选标签。
在本申请的一个实施例中,上述装置还包括:
分类模块611,用于将目标分词输入到预先训练的分类模型中,以得到目标分词的分类结果;
第一标签模块603,还用于在根据分类结果确定目标分词符合语义标准的情况下,执行将目标分词添加到待处理文章的候选标签集合中的步骤。
其中,需要说明的是,前述对标签确定方法实施例的解释说明也适用于本实施例中的标签确定装置,此处不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如标签确定方法。例如,在一些实施例中,标签确定方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的标签确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行标签确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
其中,需要说明的是,人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种标签确定方法,包括:
获取待处理文章的有向图,其中,所述待处理文章包括多个分词,所述有向图包括多个节点以及节点之间的有向边,且所述多个节点分别与所述多个分词对应,所述有向边的方向从先出现的分词指向后出现的分词;
根据所述多个节点以及节点之间的有向边,确定所述有向图中所述多个节点的中介中心性;
根据所述多个节点的中介中心性,从所述多个节点中选择出目标节点,并将与所述目标节点所对应的目标分词添加到所述待处理文章的候选标签集合中;
根据预设的语义分析模型对所述多个分词进行语义分析,以得到对应的类别标签;
根据所述候选标签集合和所述类别标签,确定出所述待处理文章对应的标签集合。
2.根据权利要求1所述的方法,其中,所述根据所述多个节点的中介中心性,从所述多个节点中选择出目标节点,包括:
按照中介中心性从大到小的顺序,对所述多个节点的中介中心性进行排序,以得到排序结果;
从排序结果中获取排序在前N位的节点作为目标节点,其中,N为大于或者等于1的整数。
3.根据权利要求1所述的方法,其中,所述语义分析模型包括注意力层、语义表示层以及语义分析层,所述根据预设的语义分析模型对所述多个分词进行语义分析,以得到对应的类别标签,包括:
针对每个分词,获取所述分词在所述待处理文章的分布特征信息;
将所述分布特征信息输入到所述注意力层,以得到所述分词的注意力分数;
将所述注意力分数以及所述分词输入到语义表示层,以得到所述分词的语义表示;
通过所述语义分析层对所述多个分词的语义表示进行语义分析,以得到对应的类别标签。
4.根据权利要求1所述的方法,其中,所述根据所述候选标签集合和所述类别标签,确定出所述待处理文章对应的标签集合之前,所述方法还包括:
对所述待处理文章进行关键词提取,并将所提取到的关键词添添加到所述候选标签集合中;和/或者
从所述待处理文章中获取与预设标签匹配的词语,并将匹配到的词语添加到所述候选标签集合中;和/或者
根据所述多个分词之间的相似度,对所述多个分词进行词语聚类,以及将词语聚类结果得到的标签添加到所述候选标签集合中。
5.根据权利要求1-4中任一项所述的方法,其中,所述候选标签集合包括M个候选标签,其中,M为大于1的整数,在所述根据所述候选标签集合和所述类别标签,确定出所述待处理文章对应的标签集合之前,所述方法还包括:
根据预设的语义匹配模型,分别对每个所述候选标签与所述待处理文章进行语义匹配,以得到每个所述候选标签与所述待处理文章之间的匹配程度;
根据所述匹配程度,对所述M个候选标签进行排序,以得到标签排序结果;
从所述标签排序结果中,获取排序在K位之后的第一候选标签,其中,K为大于或者等于1的整数,且所述K小于M;
删除所述候选标签集合中的第一候选标签。
6.根据权利要求1所述的方法,其中,所述将与所述目标节点所对应的目标分词添加到所述待处理文章的候选标签集合中之前,所述方法还包括:
将所述目标分词输入到预先训练的分类模型中,以得到所述目标分词的分类结果;
在根据所述分词结果确定所述目标分词符合语义标准的情况下,执行将所述目标分词添加到所述待处理文章的候选标签集合中的步骤。
7.一种标签确定装置,包括:
第一获取模块,用于获取待处理文章的有向图,其中,所述待处理文章包括多个分词,所述有向图包括多个节点以及节点之间的有向边,且所述多个节点分别与所述多个分词对应,所述有向边的方向从先出现的分词指向后出现的分词;
第一确定模块,用于根据所述多个节点以及节点之间的有向边,确定所述有向图中所述多个节点的中介中心性;
第一标签模块,用于根据所述多个节点的中介中心性,从所述多个节点中选择出目标节点,并将与所述目标节点所对应的目标分词添加到所述待处理文章的候选标签集合中;
第二标签模块,用于根据预设的语义分析模型对所述多个分词进行语义分析,以得到对应的类别标签;
第二确定模块,用于根据所述候选标签集合和所述类别标签,确定出所述待处理文章对应的标签集合。
8.根据权利要求7所述的装置,其中,所述第一标签模块,具体用于:
按照中介中心性从大到小的顺序,对所述多个节点的中介中心性进行排序,以得到排序结果;
从排序结果中获取排序在前N位的节点作为目标节点,其中,N为大于或者等于1的整数。
9.根据权利要求7所述的装置,其中,所述语义分析模型包括注意力层、语义表示层以及语义分析层,所述第二标签模块,包括:
获取单元,用于针对每个分词,获取所述分词在所述待处理文章的分布特征信息;
注意力分析单元,用于将所述分布特征信息输入到所述注意力层,以得到所述分词的注意力分数;
语义表示单元,用于将所述注意力分数以及所述分词输入到语义表示层,以得到所述分词的语义表示;
语义分析单元,用于通过所述语义分析层对所述多个分词的语义表示进行语义分析,以得到对应的类别标签。
10.根据权利要求7所述的装置,其中,所述装置还包括预处理模块,其中,所述预处理模块,具体用于:
对所述待处理文章进行关键词提取,并将所提取到的关键词添添加到所述候选标签集合中;和/或者
从所述待处理文章中获取与预设标签匹配的词语,并将匹配到的词语添加到所述候选标签集合中;和/或者
根据所述多个分词之间的相似度,对所述多个分词进行词语聚类,以及将词语聚类结果得到的标签添加到所述候选标签集合中。
11.根据权利要求7-10中任一项所述的装置,其中,所述候选标签集合包括M个候选标签,其中,M为大于1的整数,所述装置还包括:
语义匹配模块,用于根据预设的语义匹配模型,分别对每个所述候选标签与所述待处理文章进行语义匹配,以得到每个所述候选标签与所述待处理文章之间的匹配程度;
排序模块,用于根据所述匹配程度,对所述M个候选标签进行排序,以得到标签排序结果;
第二获取模块,用于从所述标签排序结果中,获取排序在K位之后的第一候选标签,其中,K为大于或者等于1的整数,且所述K小于M;
删除模块,用于删除所述候选标签集合中的第一候选标签。
12.根据权利要求7所述的装置,其中,所述装置还包括:
分类模块,用于将所述目标分词输入到预先训练的分类模型中,以得到所述目标分词的分类结果;
所述第一标签模块,还用于在根据所述分类结果确定所述目标分词符合语义标准的情况下,执行将所述目标分词添加到所述待处理文章的候选标签集合中的步骤。
13.一种电子设备,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权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011548347.1A CN112699237B (zh) | 2020-12-24 | 2020-12-24 | 标签确定方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011548347.1A CN112699237B (zh) | 2020-12-24 | 2020-12-24 | 标签确定方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112699237A true CN112699237A (zh) | 2021-04-23 |
CN112699237B CN112699237B (zh) | 2021-10-15 |
Family
ID=75509640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011548347.1A Active CN112699237B (zh) | 2020-12-24 | 2020-12-24 | 标签确定方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112699237B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186067A (zh) * | 2023-04-27 | 2023-05-30 | 浪潮云洲(山东)工业互联网有限公司 | 一种工业数据表存储查询方法及设备 |
WO2023103327A1 (zh) * | 2021-12-06 | 2023-06-15 | 深圳前海微众银行股份有限公司 | 一种标签匹配方法、装置、设备、计算机存储介质和程序 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645083A (zh) * | 2009-01-16 | 2010-02-10 | 中国科学院声学研究所 | 一种基于概念符号的文本领域的获取系统及方法 |
CN104462360A (zh) * | 2014-12-05 | 2015-03-25 | 北京奇虎科技有限公司 | 一种为文本集合生成语义标识的方法和装置 |
US20180293978A1 (en) * | 2017-04-07 | 2018-10-11 | Conduent Business Services, Llc | Performing semantic analyses of user-generated textual and voice content |
CN108829893A (zh) * | 2018-06-29 | 2018-11-16 | 北京百度网讯科技有限公司 | 确定视频标签的方法、装置、存储介质和终端设备 |
CN109446376A (zh) * | 2018-10-31 | 2019-03-08 | 广东小天才科技有限公司 | 一种通过分词对语音进行分类的方法及系统 |
CN109710916A (zh) * | 2018-11-02 | 2019-05-03 | 武汉斗鱼网络科技有限公司 | 一种标签提取方法、装置、电子设备及存储介质 |
CN109992780A (zh) * | 2019-03-29 | 2019-07-09 | 哈尔滨理工大学 | 一种基于深度神经网络特定目标情感分类方法 |
CN110019955A (zh) * | 2017-12-15 | 2019-07-16 | 青岛聚看云科技有限公司 | 一种视频标签标注方法及装置 |
CN110222297A (zh) * | 2019-06-19 | 2019-09-10 | 武汉斗鱼网络科技有限公司 | 一种标签用户的识别方法以及相关设备 |
CN110442674A (zh) * | 2019-06-11 | 2019-11-12 | 中南民族大学 | 标签传播的聚类方法、终端设备、存储介质及装置 |
CN110489649A (zh) * | 2019-08-19 | 2019-11-22 | 北京创鑫旅程网络技术有限公司 | 标签关联内容的方法及装置 |
CN111144126A (zh) * | 2019-12-24 | 2020-05-12 | 北京三快在线科技有限公司 | 一种语义分析模型的训练方法、语义分析方法及装置 |
CN111325030A (zh) * | 2020-03-31 | 2020-06-23 | 卓尔智联(武汉)研究院有限公司 | 文本标签构建方法、装置、计算机设备和存储介质 |
CN111460296A (zh) * | 2020-03-31 | 2020-07-28 | 北京百度网讯科技有限公司 | 用于更新事件集合的方法和装置 |
US20200257900A1 (en) * | 2019-02-08 | 2020-08-13 | Lyft, Inc. | Systems and methods for aligning map data |
CN111695352A (zh) * | 2020-05-28 | 2020-09-22 | 平安科技(深圳)有限公司 | 基于语义分析的评分方法、装置、终端设备及存储介质 |
CN111737523A (zh) * | 2020-04-22 | 2020-10-02 | 聚好看科技股份有限公司 | 一种视频标签、搜索内容的生成方法及服务器 |
-
2020
- 2020-12-24 CN CN202011548347.1A patent/CN112699237B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645083A (zh) * | 2009-01-16 | 2010-02-10 | 中国科学院声学研究所 | 一种基于概念符号的文本领域的获取系统及方法 |
CN104462360A (zh) * | 2014-12-05 | 2015-03-25 | 北京奇虎科技有限公司 | 一种为文本集合生成语义标识的方法和装置 |
US20180293978A1 (en) * | 2017-04-07 | 2018-10-11 | Conduent Business Services, Llc | Performing semantic analyses of user-generated textual and voice content |
CN110019955A (zh) * | 2017-12-15 | 2019-07-16 | 青岛聚看云科技有限公司 | 一种视频标签标注方法及装置 |
CN108829893A (zh) * | 2018-06-29 | 2018-11-16 | 北京百度网讯科技有限公司 | 确定视频标签的方法、装置、存储介质和终端设备 |
CN109446376A (zh) * | 2018-10-31 | 2019-03-08 | 广东小天才科技有限公司 | 一种通过分词对语音进行分类的方法及系统 |
CN109710916A (zh) * | 2018-11-02 | 2019-05-03 | 武汉斗鱼网络科技有限公司 | 一种标签提取方法、装置、电子设备及存储介质 |
US20200257900A1 (en) * | 2019-02-08 | 2020-08-13 | Lyft, Inc. | Systems and methods for aligning map data |
CN109992780A (zh) * | 2019-03-29 | 2019-07-09 | 哈尔滨理工大学 | 一种基于深度神经网络特定目标情感分类方法 |
CN110442674A (zh) * | 2019-06-11 | 2019-11-12 | 中南民族大学 | 标签传播的聚类方法、终端设备、存储介质及装置 |
CN110222297A (zh) * | 2019-06-19 | 2019-09-10 | 武汉斗鱼网络科技有限公司 | 一种标签用户的识别方法以及相关设备 |
CN110489649A (zh) * | 2019-08-19 | 2019-11-22 | 北京创鑫旅程网络技术有限公司 | 标签关联内容的方法及装置 |
CN111144126A (zh) * | 2019-12-24 | 2020-05-12 | 北京三快在线科技有限公司 | 一种语义分析模型的训练方法、语义分析方法及装置 |
CN111325030A (zh) * | 2020-03-31 | 2020-06-23 | 卓尔智联(武汉)研究院有限公司 | 文本标签构建方法、装置、计算机设备和存储介质 |
CN111460296A (zh) * | 2020-03-31 | 2020-07-28 | 北京百度网讯科技有限公司 | 用于更新事件集合的方法和装置 |
CN111737523A (zh) * | 2020-04-22 | 2020-10-02 | 聚好看科技股份有限公司 | 一种视频标签、搜索内容的生成方法及服务器 |
CN111695352A (zh) * | 2020-05-28 | 2020-09-22 | 平安科技(深圳)有限公司 | 基于语义分析的评分方法、装置、终端设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
VIKAS CHIB 等: "An Effective Approach of Extracting Local Documents from the Distributed Representation of Text using Document Embedding and Latent Semantic Analysis", 《2019 INTERNATIONAL CONFERENCE ON SMART SYSTEMS AND INVENTIVE TECHNOLOGY》 * |
孙中秋: "社会化标注系统资源聚合", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
李娜 等: "采用语义分析的标签体系构建方法", 《西安交通大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023103327A1 (zh) * | 2021-12-06 | 2023-06-15 | 深圳前海微众银行股份有限公司 | 一种标签匹配方法、装置、设备、计算机存储介质和程序 |
CN116186067A (zh) * | 2023-04-27 | 2023-05-30 | 浪潮云洲(山东)工业互联网有限公司 | 一种工业数据表存储查询方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112699237B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579727B (zh) | 文档内容的提取方法、装置、电子设备及存储介质 | |
CN113128209B (zh) | 用于生成词库的方法及装置 | |
CN112560481B (zh) | 语句处理方法、设备和存储介质 | |
CN114490998B (zh) | 文本信息的抽取方法、装置、电子设备和存储介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN114416976A (zh) | 文本标注方法、装置及电子设备 | |
CN112989235A (zh) | 基于知识库的内链构建方法、装置、设备和存储介质 | |
CN112560461A (zh) | 新闻线索的生成方法、装置、电子设备及存储介质 | |
CN115759100A (zh) | 数据处理方法、装置、设备及介质 | |
CN113987180A (zh) | 用于输出信息和处理信息的方法和装置 | |
CN112560425B (zh) | 模板生成方法、装置、电子设备及存储介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN113408280A (zh) | 负例构造方法、装置、设备和存储介质 | |
CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN112506864A (zh) | 文件检索的方法、装置、电子设备及可读存储介质 | |
CN112580620A (zh) | 标志图片处理方法、装置、设备和介质 | |
CN116383382A (zh) | 敏感信息的识别方法、装置、电子设备及存储介质 | |
CN112818167B (zh) | 实体检索方法、装置、电子设备及计算机可读存储介质 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN115292506A (zh) | 应用于办公领域的知识图谱本体构建方法和装置 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN113051926A (zh) | 文本抽取方法、设备和存储介质 | |
CN113032540B (zh) | 人机交互方法、装置、设备和存储介质 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 |
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 |