CN113033198B - 相似文本推送方法、装置、电子设备及计算机存储介质 - Google Patents

相似文本推送方法、装置、电子设备及计算机存储介质 Download PDF

Info

Publication number
CN113033198B
CN113033198B CN202110322250.7A CN202110322250A CN113033198B CN 113033198 B CN113033198 B CN 113033198B CN 202110322250 A CN202110322250 A CN 202110322250A CN 113033198 B CN113033198 B CN 113033198B
Authority
CN
China
Prior art keywords
text
historical
keywords
similarity
target
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
CN202110322250.7A
Other languages
English (en)
Other versions
CN113033198A (zh
Inventor
杜佳辉
周琅
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 CN202110322250.7A priority Critical patent/CN113033198B/zh
Publication of CN113033198A publication Critical patent/CN113033198A/zh
Application granted granted Critical
Publication of CN113033198B publication Critical patent/CN113033198B/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
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars

Abstract

本发明涉及智能决策技术，揭露了一种相似文本推送方法，包括：提取历史文本集的文本关键词；对文本关键词进行多重分类得到分类关键词；按照分类关键词将历史文本集进行分类存储，得到文本数据表；获取目标文本，提取目标文本的目标关键词；计算目标关键词与文本数据表中各分类关键词的词相似度，汇集词相似度大于预设的第一相似阈值的历史文本为候选文本集；计算目标文本与候选文本集中各候选文本的整体文本相似度，将文本相似度大于预设的第二相似阈值的候选文本推送给用户。此外，本发明还涉及区块链技术，历史文本集可存储于区块链节点。本发明还提出相似文本推送装置、设备及介质。本发明可以解决向用户推送相似文本的精确度较低的问题。

Description

相似文本推送方法、装置、电子设备及计算机存储介质
技术领域
本发明涉及智能决策技术领域，尤其涉及一种相似文本推送方法、装置、电子设备及计算机可读存储介质。
背景技术
相似文本匹配技术已经在人们日常生活中得到越来越多的应用，例如，学术上的论文查重，文本处理中的相似文本查询等。
目前主要的相似文本匹配方法多为基于关键词的相似文本匹配，即提取文本中的关键词，将不同文本之间的关键词进行对比分析，得到关键词之间的重合度，根据重合度判断不同文本之间的相似性，但少量的关键词无法代替真正的文本内容，因此仅依靠关键词来匹配相似文本匹配并推送给用户的精确度较低。
发明内容
本发明提供一种相似文本推送方法、装置及计算机可读存储介质，其主要目的在于解决向用户推送相似文本的精确度较低的问题。
为实现上述目的，本发明提供的一种相似文本推送方法，包括：
获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词；
对所述文本关键词进行多重分类，得到分类关键词；
按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表；
获取目标文本，对所述目标文本进行关键词提取，得到目标关键词；
计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集；
计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
可选地，所述对所述历史文本集中各历史文本进行关键词提取，得到文本关键词，包括：
对所述历史文本集中各历史文本进行分词处理，得到文本分词；
利用预先构建的关键词标注模型对所述文本分词进行类别标注，得到分词类别；
选取预设的分词类别对应的文本分词为所述历史文本集的文本关键词。
可选地，所述对所述历史文本集中各历史文本进行分词处理，得到文本分词，包括：
选取所述历史文本集中各历史文本处理区域；
将所述文本处理区域内的文本内容转化纯文本文件；
利用句子边界检测方式对所述纯文本文件分解为多个单独句子；
将所述多个单独句子分别进行单词切分，得到文本分词。
可选地，所述利用预先构建的关键词标注模型对所述文本分词进行类别标注之前，所述方法还包括：
获取初始模型和分词语料，其中，所述分词语料中包含至少一个标准分词及所述标准分词对应的标准分词类别；
利用所述初始模型对所述分词语料中各标准分词进行类别标注，得到预测分词类别；
计算所述预测分词类别和所述标准分词类别之间的差异值；
根据所述差异值调整所述初始模型的模型参数，得到所述关键词标注模型。
可选地，所述对所述文本关键词进行多重分类，得到分类关键词，包括：
获取预设的父领域类别与所述父领域类别对应的子领域类别；
计算所述文本关键词与所述父领域类别的第一距离值，确定所述第一距离值小于预设的第一距离阈值的父领域类别为所述文本关键词的父分类；
计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值，确定所述第二距离值小于预设的第二距离阈值的子领域类别为所述文本关键词的子分类；
按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词。
可选地，所述计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度，包括：
利用如下相似度算法计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度：
Figure GDA0003732003810000031
其中，Sim(P,Qk)为所述相似度，P为所述目标关键词，Qk为所述文本数据表第k个历史文本的分类关键词。
可选地，所述计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，包括：
构建所述目标文本和所述历史文本候选集中每个候选文本的文本词库；
根据所述文本词库，构建所述目标文本的目标词频向量和所述历史文本候选集中每个文本的候选词频向量；
利用所述目标词频向量和所述候选词频向量计算所述目标文本和所述历史文本候选集中每个候选文本之间的相似度。
为了解决上述问题，本发明还提供一种相似文本推送装置，所述装置包括：
第一关键词提取模块，用于获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词；
多重分类模块，用于对所述文本关键词进行多重分类，得到分类关键词；
分类存储模块，用于按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表；
第二关键词提取模块，用于获取目标文本，对所述目标文本进行关键词提取，得到目标关键词；
第一筛选模块，用于计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集；
第二筛选模块，用于计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
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相似文本推送方法。
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，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相似文本推送方法。
本发明实施例通过提取历史文本集中各历史文本的文本关键词，可实现将包含大量数据的历史文本进行内容的简化，有利于提高查找相似文本的效率，进而提高相似文本推送的效率；对文本关键词进行多重分类，可实现将文本关键词的细化分类，有利于将属于同一父领域中的文本进一步细化分类，提高后续推送相似文本的精确度；按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表，可利用数据表中数据的有序性及唯一性提高后续文本推送的效率；通过汇集所述相似度大于预设的第一相似阈值的历史文本为候选文本集，可初步筛选出文本数据表中与目标文本的关键词一致的历史文本，减少检索范围，提高后续进一步筛选的效率；再计算目标文本与候选文本集中各候选文本的整体文本相似度，将文本相似度大于预设的第二相似阈值的候选文本推送给用户，可实现精细化的相似度计算，增加了计算出的相似性的精确度，有利于提高推送给用户的文本的精确度。因此本发明提出的相似文本推送方法、装置、电子设备及计算机可读存储介质，可以解决向用户推送相似文本的精确度较低的问题。
附图说明
图1为本发明一实施例提供的相似文本推送方法的流程示意图；
图2为本发明一实施例提供的分词处理的流程示意图；
图3为本发明一实施例提供的相似文本推送装置的功能模块图；
图4为本发明一实施例提供的实现所述相似文本推送方法的电子设备的结构示意图。
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。
本申请实施例提供一种相似文本推送方法。所述相似文本推送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，所述相似文本推送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相似文本推送方法的流程示意图。在本实施例中，所述相似文本推送方法包括：
S1、获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词。
本发明实施例中，所述历史文本集包括多个历史文本，例如，食品药品安全诉讼文本、环境保护诉讼文本和土地纠纷诉讼文本等。
本发明实施例可利用具有数据抓取功能的python语句从用于存储所述历史文本集的区块链节点中抓取所述历史文本集，利用区块链对数据的高吞吐性，可提高获取所述历史文本集的效率。
详细地，所述对所述历史文本集中各历史文本进行关键词提取，得到文本关键词，包括：
对所述历史文本集中各历史文本进行分词处理，得到文本分词；
利用预先构建的关键词标注模型对所述文本分词进行类别标注，得到分词类别；
选取预设的分词类别对应的文本分词为所述历史文本集的文本关键词。
具体地，所述关键词标注模型包括但不限于具有词性标注功能的模型，如基于MaxEnt的词性标注模型，CRF(条件随机场)模型。所述利用预先构建的关键词标注模型对所述文本分词进行类别标注，即标注出每个文本分词的词性，将标注的词性作为所述文本分词的分词类别。
例如，存在历史文本A，对历史文本A的文本进行分词处理，得到多个历史文本A的文本分词，利用预先构建的关键词标注模型对得到的多个历史文本A的文本分词进行词性标注，得到各文本分词的类别(如，名词类别、代词类别、动词类别等)；当所述预设的分词类别为名词时，即选取所述文本分词中分词类别为名词类别的文本分词，将选取的文本分词作为历史文本A的文本关键词。
进一步地，如图2所示，图2为本发明一实施例提供的分词处理的流程示意图。
详细地，所述对所述历史文本集中各历史文本进行分词处理，得到文本分词，包括：
S21、选取所述历史文本集中各历史文本处理区域；
S22、将所述文本处理区域内的文本内容转化纯文本文件；
S23、利用句子边界检测方式对所述纯文本文件分解为多个单独句子；
S24、将所述多个单独句子分别进行单词切分，得到文本分词。
本发明实施例中,所述历史文本处理区域可由用户预先选定。
本发明实施例中，所述句子边界检测方式是一种通过句子中的标点符号来进行断句的方式，例如，通过“。”、“？”和“！”等预设的标点符号将句子进行断句。
本发明实例中，可利用jieba、SnowNLP等中文分词工具将所述多个单独句子分别进行单词切分。
具体地，所述利用预先构建的关键词标注模型对所述文本分词进行类别标注之前，所述方法还包括：
获取初始模型和分词语料，其中，所述分词语料中包含至少一个标准分词及所述标准分词对应的标准分词类别；
利用所述初始模型对所述分词语料中各标准分词进行类别标注，得到预测分词类别；
计算所述预测分词类别和所述标准分词类别之间的差异值；
根据所述差异值调整所述初始模型的模型参数，得到所述关键词标注模型。
具体地，所述计算所述预测分词类别和所述标准分词类别之间的差异值，包括：
利用如下差异值算法计算所述预测分词类别和所述标准分词类别之间的差异值：
Figure GDA0003732003810000071
其中，dist(X,Y)为所述差异值，X为所述预测分词类别，Y为所述标准分词类别，n为所述初始模型的n个预设维度,xi为第i个所述预测分词类别，yi为第i个所述标准分词类别。
本发明实施例中，所述根据所述差异值调整所述初始模型的模型参数，得到所述关键词标注模型，并利用优化算法获得最优关键词标注模型，所述优化算法包括但不限于批量梯度下降算法、随机梯度下降算法、小批量梯度下降算法。
本发明实施例提取历史文本集中各历史文本的文本关键词，可实现将包含大量数据的历史文本进行内容的简化，有利于提高查找相似文本的效率，进而提高相似文本推送的效率。
S2、对所述文本关键词进行多重分类，得到分类关键词。
本发明实施例中，所述对所述文本关键词进行多重分类，得到分类关键词，包括：
获取预设的父领域类别与所述父领域类别对应的子领域类别；
计算所述文本关键词与所述父领域类别的第一距离值，确定所述第一距离值小于预设的第一距离阈值的父领域类别为所述文本关键词的父分类；
计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值，确定所述第二距离值小于预设的第二距离阈值的子领域类别为所述文本关键词的子分类；
按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词。
本发明实施例中，所述获取预设的父领域类别与所述父领域类别对应的子领域类别，对所诉文本关键词进行类聚包括但不限于word2vec工具。
进一步地，所述计算所述文本关键词与所述父领域类别的第一距离值，包括：
利用如下距离算法计算所述文本关键词与所述父领域类别的第一距离值:
Figure GDA0003732003810000081
其中,cos(G,F)为所述第一距离值,G为所述文本关键词,F为所述父领域类别。
详细地，所述计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值的步骤，与计算所述文本关键词与所述父领域类别的第一距离值的步骤一致，在此不做赘述。
本发明实施例中，所述按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词，例如：当存在文本A的文本关键词包括“重度水污染”，通过计算文本A的文本关键词与预设的父领域类别及所述父领域类别对应的子领域类别之间的距离值后，可确定文本A的文本关键词对应的父领域为生态环境，子领域为水污染类，分类后的文本关键词即为分类关键词。
本发明实施例通过对文本关键词进行多重分类，可实现将文本关键词的细化分类，有利于将属于同一父领域中的文本进一步细化分类，提高后续推送相似文本的精确度。
S3、按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表。
本发明实施例中，如下表所示，表1为本发明实施例提供的文本数据表的示意图：
Figure GDA0003732003810000082
Figure GDA0003732003810000091
表1
其中，Id为所述文本类别数据表的文本类别编号主键；Name为所述历史文本集中各历史文本的文本关键词；ParentId为所述文本类别数据表的父类别编号，不同父类别编号唯一对应预设的一个父类别；Depth为所述文本类别数据表的子类别编号，不同子类别编号唯一对应预设的一个子类别。
本发明实例中，所述按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表，可利用数据表中数据的有序性及唯一性提高后续文本推送的效率。
S4、获取目标文本，对所述目标文本进行关键词提取，得到目标关键词。
详细地，所述对所述目标文本进行关键词提取，得到目标关键词的步骤，与步骤S1中对所述历史文本集中各历史文本进行关键词提取，得到文本关键词的步骤一致，在此不做赘述。
S5、计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集。
本发明实施例中，所述计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度，包括：
利用如下相似度算法计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度：
Figure GDA0003732003810000092
其中，Sim(P,Qk)为所述相似度，P为所述目标关键词，Qk为所述文本数据表第k个历史文本的分类关键词。
本发明实施例汇集所述相似度大于预设的第一相似阈值的历史文本为候选文本集，可初步筛选出文本数据表中与目标文本的关键词一致的历史文本，减少检索范围，提高后续进一步筛选的效率。
S6、计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
本发明实施例中，所述计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，包括：
构建所述目标文本和所述历史文本候选集中每个候选文本的文本词库；
根据所述文本词库，构建所述目标文本的目标词频向量和所述历史文本候选集中每个文本的候选词频向量；
利用所述目标词频向量和所述候选词频向量计算所述目标文本和所述历史文本候选集中每个候选文本之间的相似度。
详细地，所述构建所述目标文本和所述历史文本候选集中每个候选文本的文本词库，例如，存在文本1，其中，文本1的文本内容为：“上海市2021年空气污染源头为xxx化工厂”，则将文本1的文本内容进行分词，并将文本1的文本内容的全部分词结果作为文本1的文本词库“上海市、2021年、空气污染、源头、为、xxx化工厂”。
具体地，根据所述文本词库，本发明实施例利用TF-IDF算法构建所述目标文本的目标词频向量和所述历史文本候选集中每个文本的候选词频向量。所述TF-IDF算法是指，当某个词在单个词库中出现的频率越多，而在其余词库中出现的频率越少时，则该词语对该单个词库的重要性越强。
例如，存在词语A，词语A在目标文本的文本词库中出现的频率为n次，词语A在历史文本候选集的文本词库中出现的频率为m次，则当n越大，且m越小时，词语A对于目标文本的文本词库越重要，越能代表目标文本的特征。
详细地，TF-IDF算法构建所述目标文本的目标词频向量包括：
Figure GDA0003732003810000101
其中，TF-IDF为词语c的词频向量，TFc,d为词语c在文本词库d中出现的频率，
Figure GDA0003732003810000102
为词语词语c在文本词库d之外的文本词库中出现的频率的倒数。
本发明实施例中，所述利用相似度算法和所述权重值，计算所述目标文本和所述历史文本候选集中每个候选文本之间的相似度中，所述相似度算法与步骤S5中的相似度算法一致，在此不做赘述。
本发明实施例将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
本发明实施例中，计算目标文本与候选文本集中各候选文本的整体文本相似度，将文本相似度大于预设的第二相似阈值的候选文本推送给用户，可实现精细化的相似度计算，增加了计算出的相似性的精确度，有利于提高推送给用户的文本的精确度。
本发明实施例通过提取历史文本集中各历史文本的文本关键词，可实现将包含大量数据的历史文本进行内容的简化，有利于提高查找相似文本的效率，进而提高相似文本推送的效率；对文本关键词进行多重分类，可实现将文本关键词的细化分类，有利于将属于同一父领域中的文本进一步细化分类，提高后续推送相似文本的精确度；按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表，可利用数据表中数据的有序性及唯一性提高后续文本推送的效率；通过汇集所述相似度大于预设的第一相似阈值的历史文本为候选文本集，可初步筛选出文本数据表中与目标文本的关键词一致的历史文本，减少检索范围，提高后续进一步筛选的效率；再计算目标文本与候选文本集中各候选文本的整体文本相似度，将文本相似度大于预设的第二相似阈值的候选文本推送给用户，可实现精细化的相似度计算，增加了计算出的相似性的精确度，有利于提高推送给用户的文本的精确度。因此本发明提出的相似文本推送方法，可以解决向用户推送相似文本的精确度较低的问题。
如图3所示，是本发明一实施例提供的相似文本推送装置的功能模块图。
本发明所述相似文本推送装置100可以安装于电子设备中。根据实现的功能，所述相似文本推送装置100可以包括第一关键词提取模块101、多重分类模块102、分类存储模块103、第二关键词提取模块104、第一筛选模块105及第二筛选模块106。本发明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：
所述第一关键词提取模块101，用于获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词。
本发明实施例中，所述历史文本集包括多个历史文本，例如，食品药品安全诉讼文本、环境保护诉讼文本和土地纠纷诉讼文本等。
本发明实施例可利用具有数据抓取功能的python语句从用于存储所述历史文本集的区块链节点中抓取所述历史文本集，利用区块链对数据的高吞吐性，可提高获取所述历史文本集的效率。
详细地，所述第一关键词提取模块101具体用于：
对所述历史文本集中各历史文本进行分词处理，得到文本分词；
利用预先构建的关键词标注模型对所述文本分词进行类别标注，得到分词类别；
选取预设的分词类别对应的文本分词为所述历史文本集的文本关键词。
具体地，所述关键词标注模型包括但不限于具有词性标注功能的模型，如基于MaxEnt的词性标注模型，CRF(条件随机场)模型。所述利用预先构建的关键词标注模型对所述文本分词进行类别标注，即标注出每个文本分词的词性，将标注的词性作为所述文本分词的分词类别。
例如，存在历史文本A，对历史文本A的文本进行分词处理，得到多个历史文本A的文本分词，利用预先构建的关键词标注模型对得到的多个历史文本A的文本分词进行词性标注，得到各文本分词的类别(如，名词类别、代词类别、动词类别等)；当所述预设的分词类别为名词时，即选取所述文本分词中分词类别为名词类别的文本分词，将选取的文本分词作为历史文本A的文本关键词。
进一步地，所述对所述历史文本集中各历史文本进行分词处理，得到文本分词，包括：
选取所述历史文本集中各历史文本处理区域；
将所述文本处理区域内的文本内容转化纯文本文件；
利用句子边界检测方式对所述纯文本文件分解为多个单独句子；
将所述多个单独句子分别进行单词切分，得到文本分词。
本发明实施例中,所述历史文本处理区域可由用户预先选定。
本发明实施例中，所述句子边界检测方式是一种通过句子中的标点符号来进行断句的方式，例如，通过“。”、“？”和“！”等预设的标点符号将句子进行断句。
本发明实例中，可利用jieba、SnowNLP等中文分词工具将所述多个单独句子分别进行单词切分。
具体地，所述利用预先构建的关键词标注模型对所述文本分词进行类别标注之前，所述方法还包括：
获取初始模型和分词语料，其中，所述分词语料中包含至少一个标准分词及所述标准分词对应的标准分词类别；
利用所述初始模型对所述分词语料中各标准分词进行类别标注，得到预测分词类别；
计算所述预测分词类别和所述标准分词类别之间的差异值；
根据所述差异值调整所述初始模型的模型参数，得到所述关键词标注模型。
具体地，所述计算所述预测分词类别和所述标准分词类别之间的差异值，包括：
利用如下差异值算法计算所述预测分词类别和所述标准分词类别之间的差异值：
Figure GDA0003732003810000131
其中，dist(X,Y)为所述差异值，X为所述预测分词类别，Y为所述标准分词类别，n为所述初始模型的n个预设维度,xi为第i个所述预测分词类别，yi为第i个所述标准分词类别。
本发明实施例中，所述根据所述差异值调整所述初始模型的模型参数，得到所述关键词标注模型，并利用优化算法获得最优关键词标注模型，所述优化算法包括但不限于批量梯度下降算法、随机梯度下降算法、小批量梯度下降算法。
本发明实施例提取历史文本集中各历史文本的文本关键词，可实现将包含大量数据的历史文本进行内容的简化，有利于提高查找相似文本的效率，进而提高相似文本推送的效率。
所述多重分类模块102，用于对所述文本关键词进行多重分类，得到分类关键词。
本发明实施例中，所述多重分类模块102具体用于：
获取预设的父领域类别与所述父领域类别对应的子领域类别；
计算所述文本关键词与所述父领域类别的第一距离值，确定所述第一距离值小于预设的第一距离阈值的父领域类别为所述文本关键词的父分类；
计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值，确定所述第二距离值小于预设的第二距离阈值的子领域类别为所述文本关键词的子分类；
按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词。
本发明实施例中，所述获取预设的父领域类别与所述父领域类别对应的子领域类别，对所诉文本关键词进行类聚包括但不限于word2vec工具。
进一步地，所述计算所述文本关键词与所述父领域类别的第一距离值，包括：
利用如下距离算法计算所述文本关键词与所述父领域类别的第一距离值:
Figure GDA0003732003810000141
其中,cos(G,F)为所述第一距离值,G为所述文本关键词,F为所述父领域类别。
详细地，所述计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值的步骤，与计算所述文本关键词与所述父领域类别的第一距离值的步骤一致，在此不做赘述。
本发明实施例中，所述按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词，例如：当存在文本A的文本关键词包括“重度水污染”，通过计算文本A的文本关键词与预设的父领域类别及所述父领域类别对应的子领域类别之间的距离值后，可确定文本A的文本关键词对应的父领域为生态环境，子领域为水污染类，分类后的文本关键词即为分类关键词。
本发明实施例通过对文本关键词进行多重分类，可实现将文本关键词的细化分类，有利于将属于同一父领域中的文本进一步细化分类，提高后续推送相似文本的精确度。
所述分类存储模块103，用于按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表。
本发明实施例中，如下表所示，表1为本发明实施例提供的文本数据表的示意图：
Figure GDA0003732003810000151
表1
其中，Id为所述文本类别数据表的文本类别编号主键；Name为所述历史文本集中各历史文本的文本关键词；ParentId为所述文本类别数据表的父类别编号，不同父类别编号唯一对应预设的一个父类别；Depth为所述文本类别数据表的子类别编号，不同子类别编号唯一对应预设的一个子类别。
本发明实例中，所述按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表，可利用数据表中数据的有序性及唯一性提高后续文本推送的效率。
所述第二关键词提取模块104，用于获取目标文本，对所述目标文本进行关键词提取，得到目标关键词。
详细地，所述对所述目标文本进行关键词提取，得到目标关键词的步骤，与所述第一关键词提取模块101中对所述历史文本集中各历史文本进行关键词提取，得到文本关键词的步骤一致，在此不做赘述。
所述第一筛选模块105，用于计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集。
本发明实施例中，所述第一筛选模块105具体用于：
利用如下相似度算法计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度：
Figure GDA0003732003810000152
其中，Sim(P,Qk)为所述相似度，P为所述目标关键词，Qk为所述文本数据表第k个历史文本的分类关键词。
本发明实施例汇集所述相似度大于预设的第一相似阈值的历史文本为候选文本集，可初步筛选出文本数据表中与目标文本的关键词一致的历史文本，减少检索范围，提高后续进一步筛选的效率。
所述第二筛选模块106，用于计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
本发明实施例中，所述第二筛选模块106具体用于：
构建所述目标文本和所述历史文本候选集中每个候选文本的文本词库；
根据所述文本词库，构建所述目标文本的目标词频向量和所述历史文本候选集中每个文本的候选词频向量；
利用所述目标词频向量和所述候选词频向量计算所述目标文本和所述历史文本候选集中每个候选文本之间的相似度。
详细地，所述构建所述目标文本和所述历史文本候选集中每个候选文本的文本词库，例如，存在文本1，其中，文本1的文本内容为：“上海市2021年空气污染源头为xxx化工厂”，则将文本1的文本内容进行分词，并将文本1的文本内容的全部分词结果作为文本1的文本词库“上海市、2021年、空气污染、源头、为、xxx化工厂”。
具体地，根据所述文本词库，本发明实施例利用TF-IDF算法构建所述目标文本的目标词频向量和所述历史文本候选集中每个文本的候选词频向量。所述TF-IDF算法是指，当某个词在单个词库中出现的频率越多，而在其余词库中出现的频率越少时，则该词语对该单个词库的重要性越强。
例如，存在词语A，词语A在目标文本的文本词库中出现的频率为n次，词语A在历史文本候选集的文本词库中出现的频率为m次，则当n越大，且m越小时，词语A对于目标文本的文本词库越重要，越能代表目标文本的特征。
详细地，TF-IDF算法构建所述目标文本的目标词频向量包括：
Figure GDA0003732003810000161
其中，TF-IDF为词语c的词频向量，TFc,d为词语c在文本词库d中出现的频率，
Figure GDA0003732003810000162
为词语词语c在文本词库d之外的文本词库中出现的频率的倒数。
本发明实施例中，所述利用相似度算法和所述权重值，计算所述目标文本和所述历史文本候选集中每个候选文本之间的相似度中，所述相似度算法与所述第一筛选模块105中的相似度算法一致，在此不做赘述。
本发明实施例将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
本发明实施例中，计算目标文本与候选文本集中各候选文本的整体文本相似度，将文本相似度大于预设的第二相似阈值的候选文本推送给用户，可实现精细化的相似度计算，增加了计算出的相似性的精确度，有利于提高推送给用户的文本的精确度。
本发明实施例通过提取历史文本集中各历史文本的文本关键词，可实现将包含大量数据的历史文本进行内容的简化，有利于提高查找相似文本的效率，进而提高相似文本推送的效率；对文本关键词进行多重分类，可实现将文本关键词的细化分类，有利于将属于同一父领域中的文本进一步细化分类，提高后续推送相似文本的精确度；按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表，可利用数据表中数据的有序性及唯一性提高后续文本推送的效率；通过汇集所述相似度大于预设的第一相似阈值的历史文本为候选文本集，可初步筛选出文本数据表中与目标文本的关键词一致的历史文本，减少检索范围，提高后续进一步筛选的效率；再计算目标文本与候选文本集中各候选文本的整体文本相似度，将文本相似度大于预设的第二相似阈值的候选文本推送给用户，可实现精细化的相似度计算，增加了计算出的相似性的精确度，有利于提高推送给用户的文本的精确度。因此本发明提出的相似文本推送装置，可以解决向用户推送相似文本的精确度较低的问题。
如图4所示，是本发明一实施例提供的实现相似文本推送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，如相似文本推送程序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，例如相似文本推送程序12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(例如相似文本推送程序等)，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存储的相似文本推送程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词；
对所述文本关键词进行多重分类，得到分类关键词；
按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表；
获取目标文本，对所述目标文本进行关键词提取，得到目标关键词；
计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集；
计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
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至图4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，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，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)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词；
对所述文本关键词进行多重分类，得到分类关键词；
按照所述分类关键词将所述历史文本集进行分类存储，得到文本数据表；
获取目标文本，对所述目标文本进行关键词提取，得到目标关键词；
计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集；
计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
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 (9)

1.一种相似文本推送方法，其特征在于，所述方法包括：
获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词；
获取预设的父领域类别与所述父领域类别对应的子领域类别，计算所述文本关键词与所述父领域类别的第一距离值，确定所述第一距离值小于预设的第一距离阈值的父领域类别为所述文本关键词的父分类；
计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值，确定所述第二距离值小于预设的第二距离阈值的子领域类别为所述文本关键词的子分类；
按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词；
根据所述分类关键词将所述历史文本集进行分类存储，得到文本数据表；
获取目标文本，对所述目标文本进行关键词提取，得到目标关键词；
计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集；
计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
2.如权利要求1所述的相似文本推送方法，其特征在于，所述对所述历史文本集中各历史文本进行关键词提取，得到文本关键词，包括：
对所述历史文本集中各历史文本进行分词处理，得到文本分词；
利用预先构建的关键词标注模型对所述文本分词进行类别标注，得到分词类别；
根据所述分词类别，从所述文本分词中选择所述历史文本集的文本关键词。
3.如权利要求2所述的相似文本推送方法，其特征在于，所述对所述历史文本集中各历史文本进行分词处理，得到文本分词，包括：
选取所述历史文本集中各历史文本处理区域；
将所述文本处理区域内的文本内容转化纯文本文件；
利用句子边界检测方式将所述纯文本文件分解为多个单独句子；
将所述多个单独句子分别进行单词切分，得到文本分词。
4.如权利要求2所述的相似文本推送方法，其特征在于，所述利用预先构建的关键词标注模型对所述文本分词进行类别标注之前，所述方法还包括：
获取初始模型和分词语料，其中，所述分词语料中包含至少一个标准分词及所述标准分词对应的标准分词类别；
利用所述初始模型对所述分词语料中各标准分词进行类别标注，得到预测分词类别；
计算所述预测分词类别和所述标准分词类别之间的差异值；
根据所述差异值调整所述初始模型的模型参数，得到所述关键词标注模型。
5.如权利要求1所述的相似文本推送方法，其特征在于，所述计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度，包括：
利用如下相似度算法计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的相似度：
Figure FDA0003732003800000021
其中，Sim(P,Qk)为所述相似度，P为所述目标关键词，Qk为所述文本数据表第k个历史文本的分类关键词。
6.如权利要求1至5中任一项所述的相似文本推送方法，其特征在于，所述计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，包括：
构建所述目标文本和所述历史文本候选集中每个候选文本的文本词库；
根据所述文本词库，构建所述目标文本的目标词频向量和所述历史文本候选集中每个候选文本的候选词频向量；
利用所述目标词频向量和所述候选词频向量计算所述目标文本和所述历史文本候选集中每个候选文本之间的相似度。
7.一种相似文本推送装置，其特征在于，所述装置包括：
第一关键词提取模块，用于获取历史文本集，对所述历史文本集中各历史文本进行关键词提取，得到文本关键词；
多重分类模块，用于获取预设的父领域类别与所述父领域类别对应的子领域类别，计算所述文本关键词与所述父领域类别的第一距离值，确定所述第一距离值小于预设的第一距离阈值的父领域类别为所述文本关键词的父分类，计算所述文本关键词与所述父领域类别对应的子领域类别的第二距离值，确定所述第二距离值小于预设的第二距离阈值的子领域类别为所述文本关键词的子分类，按照所述父分类与所述子分类将所述文本关键词进行划分，得到分类关键词；
分类存储模块，用于根据所述分类关键词将所述历史文本集进行分类存储，得到文本数据表；
第二关键词提取模块，用于获取目标文本，对所述目标文本进行关键词提取，得到目标关键词；
第一筛选模块，用于计算所述目标关键词与所述文本数据表中各历史文本的分类关键词的词相似度，汇集所述词相似度大于预设的第一相似阈值的历史文本为候选文本集；
第二筛选模块，用于计算所述目标文本与所述候选文本集中各候选文本的整体文本相似度，将所述文本相似度大于预设的第二相似阈值的候选文本推送给用户。
8.一种电子设备，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6中任意一项所述的相似文本推送方法。
9.一种计算机可读存储介质，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6中任意一项所述的相似文本推送方法。
CN202110322250.7A 2021-03-25 2021-03-25 相似文本推送方法、装置、电子设备及计算机存储介质 Active CN113033198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110322250.7A CN113033198B (zh) 2021-03-25 2021-03-25 相似文本推送方法、装置、电子设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110322250.7A CN113033198B (zh) 2021-03-25 2021-03-25 相似文本推送方法、装置、电子设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN113033198A CN113033198A (zh) 2021-06-25
CN113033198B true CN113033198B (zh) 2022-08-26

Family

ID=76474001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110322250.7A Active CN113033198B (zh) 2021-03-25 2021-03-25 相似文本推送方法、装置、电子设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113033198B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163476A (zh) * 2019-04-15 2019-08-23 重庆金融资产交易所有限责任公司 项目智能推荐方法、电子装置及存储介质
CN113486663B (zh) * 2021-07-23 2024-03-05 北京京东振世信息技术有限公司 数据预测方法和装置
CN114693280B (zh) * 2022-05-31 2022-09-13 山东国盾网信息科技有限公司 一种基于电子签名技术的数字化协同办公平台
CN117708439A (zh) * 2024-02-06 2024-03-15 每日互动股份有限公司 一种目标文本的推送方法、装置、介质及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019200806A1 (zh) * 2018-04-20 2019-10-24 平安科技（深圳）有限公司 文本分类模型的生成装置、方法及计算机可读存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107015961B (zh) * 2016-01-27 2021-06-25 中文在线数字出版集团股份有限公司 一种文本相似性比对方法
CN105893606A (zh) * 2016-04-25 2016-08-24 深圳市永兴元科技有限公司 文本分类方法和装置
CN108241667B (zh) * 2016-12-26 2019-10-15 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN108681551A (zh) * 2018-03-30 2018-10-19 北京智慧正安科技有限公司 文书对比方法、电子装置及计算机可读存储介质
CN108717470B (zh) * 2018-06-14 2020-10-23 南京航空航天大学 一种具有高准确度的代码片段推荐方法
CN109063147A (zh) * 2018-08-06 2018-12-21 北京航空航天大学 基于文本相似度的在线课程论坛内容推荐方法及系统
CN111695349A (zh) * 2019-02-28 2020-09-22 北京京东尚科信息技术有限公司 文本匹配方法和文本匹配系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019200806A1 (zh) * 2018-04-20 2019-10-24 平安科技（深圳）有限公司 文本分类模型的生成装置、方法及计算机可读存储介质

Also Published As

Publication number Publication date
CN113033198A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN113033198B (zh) 相似文本推送方法、装置、电子设备及计算机存储介质
CN103336766B (zh) 短文本垃圾识别以及建模方法和装置
CN112597312A (zh) 文本分类方法、装置、电子设备及可读存储介质
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
CN112541338A (zh) 相似文本匹配方法、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
CN113268615A (zh) 资源标签生成方法、装置、电子设备及存储介质
CN113378970A (zh) 语句相似性检测方法、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
CN113722483A (zh) 话题分类方法、装置、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
CN114969484A (zh) 业务数据搜索方法、装置、设备及存储介质
CN113344125B (zh) 长文本匹配识别方法、装置、电子设备及存储介质
CN114706961A (zh) 目标文本识别方法、装置及存储介质
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
CN113360654A (zh) 文本分类方法、装置、电子设备及可读存储介质
CN112579781A (zh) 文本归类方法、装置、电子设备及介质
CN103593427A (zh) 新词搜索方法及系统
CN116340516A (zh) 实体关系的聚类提取方法、装置、设备及存储介质
CN115146064A (zh) 意图识别模型优化方法、装置、设备及存储介质
CN115438048A (zh) 表搜索方法、装置、设备及存储介质
CN114708073A (zh) 一种围标串标智能检测方法、装置、电子设备及存储介质
CN114385815A (zh) 基于业务需求的新闻筛选方法、装置、设备及存储介质
CN113806492A (zh) 基于语义识别的记录生成方法、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
GR01 Patent grant
GR01 Patent grant