CN112800321B - 基于关键词检索的歧义帖子识别方法和计算机设备 - Google Patents

基于关键词检索的歧义帖子识别方法和计算机设备 Download PDF

Info

Publication number
CN112800321B
CN112800321B CN202110008089.6A CN202110008089A CN112800321B CN 112800321 B CN112800321 B CN 112800321B CN 202110008089 A CN202110008089 A CN 202110008089A CN 112800321 B CN112800321 B CN 112800321B
Authority
CN
China
Prior art keywords
posts
ambiguous
post
recognized
recognition
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
CN202110008089.6A
Other languages
English (en)
Other versions
CN112800321A (zh
Inventor
蒋涵宇
卢铮
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.)
Budweiser Investment China Co ltd
Original Assignee
Budweiser Investment China 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 Budweiser Investment China Co ltd filed Critical Budweiser Investment China Co ltd
Priority to CN202110008089.6A priority Critical patent/CN112800321B/zh
Publication of CN112800321A publication Critical patent/CN112800321A/zh
Application granted granted Critical
Publication of CN112800321B publication Critical patent/CN112800321B/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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明的一个实施例公开一种基于关键词检索的歧义帖子识别方法、计算机设备和存储介质，该方法包括：基于预设的业务场景，配置对应的歧义帖子识别策略；从社交平台获取待识别的帖子；以及响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子。本发明提出了一种利用三种技术来识别歧义帖子的方案，相比现有技术方案，本发明的优点在于：可以准确理解文本表达的含义，识别出一词多义的词语在句子中的意思；泛化性能好，在不需要人工参与的情况下，就可以识别出新的歧义模式。

Description

基于关键词检索的歧义帖子识别方法和计算机设备
技术领域
本发明涉及消歧去噪领域，更具体地，涉及一种基于关键词检索的歧义帖子识别方法、计算机设备和可读存储介质。
背景技术
在网络舆情监控中，需要检索与垂直领域品牌相关的帖子，然后对其进行数据分析。在搜索帖子时，业界常用的方法是基于关键词的搜索方法，使用爬虫等工具来抓取提到品牌关键词的帖子。但是这种方法找到的帖子中既有真正跟品牌相关的帖子，也有一些是歧义帖子。比如要对百威啤酒品牌进行舆情监控，会使用“百威”这个关键词来抓取数据，可能会抓取回来“克百威是一种氨基甲酸酯类杀虫剂和杀线虫剂”这种与百威啤酒品牌无关的歧义帖子。这些歧义帖子需要被识别出来过滤掉，否则会影响舆情监控的准确性。
目前的文本搜索引擎可以提供简单的关键词过滤功能，将出现某些关键词的帖子过滤掉。比如可以设置“克百威”这个关键词，那么含有“克百威”的帖子都可以被过滤掉。但是这种基于关键词的消歧系统不能处理以下两种歧义帖子：1)一词多义造成的歧义帖子。比如“青岛”这个词，既可以指青岛啤酒这个品牌，也可以指青岛这个城市。“我在青岛喝了一杯朋友自酿的啤酒”这句话中同时出现了“青岛”和“啤酒”两个词，但是与青岛啤酒品牌无关，不属于品牌舆情监控的范围，需要被当作歧义帖子过滤掉；2)只能识别已有关键词，不能智能识别类似的歧义帖子。比如对于“乐堡啤酒”品牌的舆情监控，可以在“齐河泉城欧乐堡度假区”中识别出“欧乐堡”这个关键词。但是还有“独自一个人带依依去卡乐堡”“早上起来就问我今天可以去淘乐堡吗？”等类似的表达，无法使用一个有限的关键词词典来识别所有的歧义帖子。
发明内容
本发明的一个目的在于提供一种基于关键词检索的歧义帖子识别方法。
本发明的一个目的在于提供一种计算机设备。
本发明的另一个目的在于提供一种计算机可读存储介质。
为达到上述目的，本发明采用下述技术方案：
本发明第一方面提供一种基于关键词检索的歧义帖子识别方法，包括：
基于预设的业务场景，配置对应的歧义帖子识别策略；
从社交平台获取待识别的帖子；以及
响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括
S105、响应于对第一业务场景的识别，选择词典规则策略筛选出所述歧义帖子。
在一个具体实施例中，在S105之前，还包括
S100、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词。
在一个具体实施例中，所述S105包括：
将待识别帖子内容中包含所述黑名单的关键词且不包含所述白名单的关键词的帖子筛选为所述歧义帖子。
在一个具体实施例中，
S100包括在所述白名单词典和/或黑名单词典中配置多个商品品牌，针对每个品牌配置多条规则，每条规则配置多个关键词或者正则表达式；
S105包括根据不同的商品品牌选择不同的规则进行筛选。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S205、响应于对第二业务场景的识别，基于已训练的有监督学习识别模型识别出待识别帖子为歧义帖子的概率值P；
S206、将所述概率值P与概率阈值P_thre1比较，若P>P_thre1，待识别帖子被识别为歧义帖子。
在一个具体实施例中，在S205之前，所述方法还包括：
S200、构建训练集D1，其中训练集D1中包括N个标注好歧义帖子的样本和M个标注好相关帖子的样本；
S202、利用所述训练集对有监督学习识别模型进行训练。
在一个具体实施例中，
所述有监督学习模型为BERT模型。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S300、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词；
S302、响应于对第三业务场景的识别，将待识别帖子中内容包含所述黑名单的关键词且不包含所述白名单的关键词的并且经基于已训练的有监督学习识别模型识别出的概率值P大于概率阈值P_thre1的帖子筛选为所述歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S405、响应于对第四业务场景的识别，基于异常检测模型识别出待识别帖子的异常分值S；
S406、将所述异常分值S与异常阈值S_thre1比较，若S>S_thre1，待识别帖子被识别为歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S505、响应于对第五业务场景的识别，基于已训练的有监督学习识别模型识别出待识别帖子为歧义帖子的概率值P，并且基于异常检测模型识别出待识别帖子的异常分值S；
S506、将所述概率值P与概率阈值P_thre1比较，若P>P_thre1并且将所述异常分值S与异常阈值S_thre1比较，若S>S_thre1，待识别帖子被识别为歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S600、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词；
S602、响应于对第六业务场景的识别，将待识别帖子中内容包含所述黑名单的关键词且不包含所述白名单的关键词的、经基于已训练的有监督学习识别模型识别出的概率值P大于概率阈值P_thre1的并且经基于异常检测模型识别出的异常分值S大于异常阈值S_thre1的帖子筛选为所述歧义帖子。
本发明第二方面提供一种计算机设备，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第一方面所述的方法。
本发明第三方面提供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第一方面所述的方法。
本发明的有益效果如下：
本发明提出了一种利用三种技术来识别歧义帖子的方案，相比现有技术方案，本发明的优点在于：可以准确理解文本表达的含义，识别出一词多义的词语在句子中的意思；泛化性能好，在不需要人工参与的情况下，就可以识别出新的歧义模式。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出根据本申请的实施例的垂直领域基于关键词检索的歧义帖子识别方法的流程图。
图2示出适于用来实现本申请实施例的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
实施例一
图1示出了一种垂直领域基于关键词检索的歧义帖子识别方法，包括：
基于预设的业务场景，配置对应的歧义帖子识别策略；
从社交平台获取待识别的帖子；以及
响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子。
在一个具体实施例中，所述社交平台包括微博和小红书等平台。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括
S105、响应于对第一业务场景的识别，选择词典规则策略筛选出所述歧义帖子。
在一个具体实施例中，在S105之前，还包括
S100、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词。
在一个具体实施例中，所述S105包括：
将待识别帖子内容中包含所述黑名单的关键词且不包含所述白名单的关键词的帖子筛选为所述歧义帖子。
在一个具体实施例中，
S100包括在所述白名单词典和/或黑名单词典中配置多个商品品牌，针对每个品牌配置多条规则，每条规则配置多个关键词或者正则表达式；
S105包括根据不同的商品品牌选择不同的规则进行筛选。
在一个具体实施例中，针对第一业务场景，将“克百威”关键词放到黑名单词典中，将“百威”关键词放到白名单，待识别帖子内容中包含“克百威”的帖子都被识别为歧义帖子；待识别帖子内容中包含“百威”的帖子且不包含黑名单中含有的关键词的帖子都被识别为相关帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，还包括：
S205、响应于对第二业务场景的识别，基于已训练的有监督学习识别模型识别出待识别帖子为歧义帖子的概率值P；
S206、将所述概率值P与概率阈值P_thre1比较，若P>P_thre1，待识别帖子被识别为歧义帖子。
在一个具体实施例中，在S205之前，所述方法还包括：
S200、构建训练集D1，其中训练集D1中包括N个标注好歧义帖子的样本和M个标注好相关帖子的样本；
S202、利用所述训练集对有监督学习识别模型进行训练。
所述有监督学习模型为BERT模型。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，还包括：
S300、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词；
S302、响应于对第三业务场景的识别，将待识别帖子中内容包含所述黑名单的关键词且不包含所述白名单的关键词的并且经基于已训练的有监督学习识别模型识别出的概率值P大于概率阈值P_thre1的帖子筛选为所述歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S405、响应于对第四业务场景的识别，基于异常检测模型识别出待识别帖子的异常分值S；
S406、将所述异常分值S与异常阈值S_thre1比较，若S>S_thre1，待识别帖子被识别为歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S505、响应于对第五业务场景的识别，基于已训练的有监督学习识别模型识别出待识别帖子为歧义帖子的概率值P，并且基于异常检测模型识别出待识别帖子的异常分值；
S506、将所述概率值P与概率阈值P_thre1比较，若P>P_thre1并且将所述异常分值S与异常阈值S_thre1比较，若S>S_thre1，待识别帖子被识别为歧义帖子。
在一个具体实施例中，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，还包括：
S600、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词；
S602、响应于对第六业务场景的识别，将待识别帖子中内容包含所述黑名单的关键词且不包含所述白名单的关键词的、经基于已训练的有监督学习识别模型识别出的概率值P大于概率阈值P_thre1的并且经基于异常检测模型识别出的异常分值S大于异常阈值S_thre1的帖子筛选为所述歧义帖子。
在一个具体实施例中，待识别帖子均可用词典规则策略、监督学习识别模型、异常检测模型以及这三种技术的组合来识别帖子是否为歧义帖子，具体识别方法，可根据业务场景的不同来选择不同的识别方法。
在一个具体实施例中，使用准确率和召回率两个指标来衡量BERT模型和异常检测模型识别歧义帖子的质量，其中
准确率＝歧义帖子中BERT模型或异常检测模型识别出的数量BERT模型或异常检测模型认为是歧义帖子的数量；
召回率＝歧义帖子中被BERT模型或异常检测模型识别出的数量/N，N为所述训练集中所有歧义帖子的数量。
发明人经过实验，验证得到BERT模型和异常检测模型的准确率大约为90％，召回率大约为55％。
实施例二
图2示出了本申请的另一个实施例提供的一种计算机设备的结构示意图。图2显示的计算机设备50仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图2所示，计算机设备50以通用计算机设备的形式表现。计算机设备50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500，系统存储器516，连接不同系统组件(包括系统存储器516和处理单元500)的总线501。
总线501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50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50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516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)504和/或高速缓存存储器506。计算机设备50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508可以用于读写不可移动的、非易失性磁介质(图2未显示，通常称为“硬盘驱动器”)。尽管图2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501相连。存储器516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实施例一的功能。
具有一组(至少一个)程序模块512的程序/实用工具510，可以存储在例如存储器516中，这样的程序模块512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512通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备50也可以与一个或多个外部设备70(例如键盘、指向设备、显示器60等)通信，还可与一个或者多个使得用户能与该计算机设备50交互的设备通信，和/或与使得该计算机设备50能与一个或多个其它计算机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502进行。并且，计算机设备50还可以通过网络适配器514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2所示，网络适配器514通过总线501与计算机设备50的其它模块通信。应当明白，尽管图2中未示出，可以结合计算机设备50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。
处理器单元500通过运行存储在系统存储器516中的程序，从而执行各种功能应用以及数据处理，例如实现本申请实施例一所提供的方法。
实施例三
本申请的另一个实施例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上述实施例一所提供的方法。
在实际应用中，所述计算机可读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。在本实施例中，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申请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)。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (13)

1.一种基于关键词检索的歧义帖子识别方法，其特征在于，包括：
基于预设的业务场景，配置对应的歧义帖子识别策略；
从社交平台获取待识别的帖子；以及
响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子；
所述选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S200、构建训练集D1，其中训练集D1中包括N个标注好歧义帖子的样本和M个标注好相关帖子的样本；
S202、利用所述训练集对有监督学习识别模型进行训练。
2.根据权利要求1所述的方法，其特征在于，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括
S105、响应于对第一业务场景的识别，选择词典规则策略筛选出所述歧义帖子。
3.根据权利要求2所述的方法，其特征在于，在S105之前，还包括
S100、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词。
4.根据权利要求3所述的方法，所述S105包括：
将待识别帖子内容中包含所述黑名单的关键词且不包含所述白名单的关键词的帖子筛选为所述歧义帖子。
5.根据权利要求3所述的方法，其特征在于，
S100包括在所述白名单词典和/或黑名单词典中配置多个商品品牌，针对每个品牌配置多条规则，每条规则配置多个关键词或者正则表达式；
S105包括根据不同的商品品牌选择不同的规则进行筛选。
6.根据权利要求1所述的方法，其特征在于，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S205、响应于对第二业务场景的识别，基于已训练的有监督学习识别模型识别出待识别帖子为歧义帖子的概率值P；
S206、将所述概率值P与概率阈值P_thre1比较，若P>P_thre1，待识别帖子被识别为歧义帖子；
S200、构建训练集D1，其中训练集D1中包括N个标注好歧义帖子的样本和M个标注好相关帖子的样本；
S202、利用所述训练集对有监督学习识别模型进行训练。
7.根据权利要求6所述的方法，其特征在于，
所述有监督学习模型为BERT模型。
8.根据权利要求1所述的方法，其特征在于，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S300、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词；
S302、响应于对第三业务场景的识别，将待识别帖子中内容包含所述黑名单的关键词且不包含所述白名单的关键词的并且经基于已训练的有监督学习识别模型识别出的概率值P大于概率阈值P_thre1的帖子筛选为所述歧义帖子。
9.根据权利要求1所述的方法，其特征在于，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S405、响应于对第四业务场景的识别，基于异常检测模型识别出待识别帖子的异常分值S；
S406、将所述异常分值S与异常阈值S_thre1比较，若S>S_thre1，待识别帖子被识别为歧义帖子。
10.根据权利要求1所述的方法，其特征在于，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S505、响应于对第五业务场景的识别，基于已训练的有监督学习识别模型识别出待识别帖子为歧义帖子的概率值P，并且基于异常检测模型识别出待识别帖子的异常分值S；
S506、将所述概率值P与概率阈值P_thre1比较，若P>P_thre1并且将所述异常分值S与异常阈值S_thre1比较，若S>S_thre1，待识别帖子被识别为歧义帖子。
11.根据权利要求1所述的方法，其特征在于，所述响应于对业务场景的识别，选择对应的识别策略对待识别帖子进行识别从而筛选出歧义帖子，包括：
S600、设置黑名单和白名单词典，其中所述黑名单词典中包括符合歧义定义的关键词，所述白名单词典包括符合无歧义定义的关键词；
S602、响应于对第六业务场景的识别，将待识别帖子中内容包含所述黑名单的关键词且不包含所述白名单的关键词的、经基于已训练的有监督学习识别模型识别出的概率值P大于概率阈值P_thre1的并且经基于异常检测模型识别出的异常分值S大于异常阈值S_thre1的帖子筛选为所述歧义帖子。
12.一种计算机设备，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1-11中任一项所述的方法。
13.一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1-11中任一项所述的方法。
CN202110008089.6A 2021-01-05 2021-01-05 基于关键词检索的歧义帖子识别方法和计算机设备 Active CN112800321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110008089.6A CN112800321B (zh) 2021-01-05 2021-01-05 基于关键词检索的歧义帖子识别方法和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110008089.6A CN112800321B (zh) 2021-01-05 2021-01-05 基于关键词检索的歧义帖子识别方法和计算机设备

Publications (2)

Publication Number Publication Date
CN112800321A CN112800321A (zh) 2021-05-14
CN112800321B true CN112800321B (zh) 2023-01-20

Family

ID=75808227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110008089.6A Active CN112800321B (zh) 2021-01-05 2021-01-05 基于关键词检索的歧义帖子识别方法和计算机设备

Country Status (1)

Country Link
CN (1) CN112800321B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7536952B1 (ja) 2023-05-11 2024-08-20 楽天グループ株式会社 情報処理方法、情報処理装置、及びプログラム

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103365974A (zh) * 2013-06-28 2013-10-23 百度在线网络技术（北京）有限公司 一种基于相关词主题的语义消歧方法和系统
CN106294309A (zh) * 2015-05-19 2017-01-04 深圳市腾讯计算机系统有限公司 组合型歧义词识别方法及装置
CN107491436A (zh) * 2017-08-21 2017-12-19 北京百度网讯科技有限公司 一种标题党识别方法和装置、服务器、存储介质
CN108509449A (zh) * 2017-02-24 2018-09-07 腾讯科技（深圳）有限公司 一种信息处理的方法及服务器
CN108664618A (zh) * 2018-05-14 2018-10-16 江苏号百信息服务有限公司 一种基于品牌分析系统的nlp中文分词歧义识别方法
CN110287278A (zh) * 2019-06-20 2019-09-27 北京百度网讯科技有限公司 评论生成方法、装置、服务器及存储介质
CN110502750A (zh) * 2019-08-06 2019-11-26 山东师范大学 中医文本分词过程中的消歧方法、系统、设备及介质
CN111611452A (zh) * 2020-05-22 2020-09-01 上海携程商务有限公司 搜索文本的歧义识别方法、系统、设备及存储介质
CN111914087A (zh) * 2020-07-30 2020-11-10 广州城市信息研究所有限公司 一种舆情分析方法
CN112100515A (zh) * 2020-09-04 2020-12-18 西北工业大学 一种用于社交媒体中假消息的检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103365974A (zh) * 2013-06-28 2013-10-23 百度在线网络技术（北京）有限公司 一种基于相关词主题的语义消歧方法和系统
CN106294309A (zh) * 2015-05-19 2017-01-04 深圳市腾讯计算机系统有限公司 组合型歧义词识别方法及装置
CN108509449A (zh) * 2017-02-24 2018-09-07 腾讯科技（深圳）有限公司 一种信息处理的方法及服务器
CN107491436A (zh) * 2017-08-21 2017-12-19 北京百度网讯科技有限公司 一种标题党识别方法和装置、服务器、存储介质
CN108664618A (zh) * 2018-05-14 2018-10-16 江苏号百信息服务有限公司 一种基于品牌分析系统的nlp中文分词歧义识别方法
CN110287278A (zh) * 2019-06-20 2019-09-27 北京百度网讯科技有限公司 评论生成方法、装置、服务器及存储介质
CN110502750A (zh) * 2019-08-06 2019-11-26 山东师范大学 中医文本分词过程中的消歧方法、系统、设备及介质
CN111611452A (zh) * 2020-05-22 2020-09-01 上海携程商务有限公司 搜索文本的歧义识别方法、系统、设备及存储介质
CN111914087A (zh) * 2020-07-30 2020-11-10 广州城市信息研究所有限公司 一种舆情分析方法
CN112100515A (zh) * 2020-09-04 2020-12-18 西北工业大学 一种用于社交媒体中假消息的检测方法

Also Published As

Publication number Publication date
CN112800321A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
US10522136B2 (en) Method and device for training acoustic model, computer device and storage medium
CN113205037B (zh) 事件检测的方法、装置、电子设备以及可读存储介质
CN107491436A (zh) 一种标题党识别方法和装置、服务器、存储介质
CN111460312A (zh) 空壳企业识别方法、装置及计算机设备
US20140121559A1 (en) Detecting cognitive impairment indicators
US8782042B1 (en) Method and system for identifying entities
CN103678269A (zh) 一种信息处理方法和装置
CN110533940B (zh) 自动驾驶中异常交通信号灯识别的方法、装置和设备
CN110609879B (zh) 兴趣点判重方法、装置、计算机设备及存储介质
CN109299227B (zh) 基于语音识别的信息查询方法和装置
CN107909088A (zh) 获取训练样本的方法、装置、设备和计算机存储介质
CN110189751A (zh) 语音处理方法及设备
CN112070093B (zh) 生成图像分类模型的方法、图像分类方法、装置和设备
CN116246287B (zh) 目标对象识别方法、训练方法、装置以及存储介质
CN112016317A (zh) 基于人工智能的敏感词识别方法、装置及计算机设备
CN114650447B (zh) 一种确定视频内容异常程度的方法、装置及计算设备
CN112800321B (zh) 基于关键词检索的歧义帖子识别方法和计算机设备
CN108268602A (zh) 分析文本话题点的方法、装置、设备和计算机存储介质
CN118295842A (zh) 交易系统异常事件的数据处理方法、装置和服务器
CN113936232A (zh) 一种碎屏识别方法、装置、设备和存储介质
CN113132393A (zh) 异常检测方法、装置、电子设备以及存储介质
CN112256836A (zh) 记录数据的处理方法、装置和服务器
CN114201607B (zh) 一种信息处理的方法和装置
CN110276001B (zh) 盘点页识别方法、装置、计算设备和介质
CN110059180B (zh) 文章作者身份识别及评估模型训练方法、装置及存储介质

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
GR01 Patent grant
GR01 Patent grant