CN113887206A - 一种模型训练及关键词提取方法及装置 - Google Patents

Abstract

本说明书公开了一种模型训练及关键词提取方法及装置，通过确定训练样本，将训练样本的关键词、关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注，基于各训练样本中的字符的位置以及关键词的位置，确定各训练样本对应的各字符的字向量，并基于各字向量，确定各训练样本的关键词，以根据各关键词的词向量，确定各关键词的实体分类结果和情感分类结果，以各训练样本提取出的关键词、实体分类结果、情感分类结合以及各标注，对该关键词提取模型进行训练。使得基于确定出的关键词进行推荐时，不仅可基于各关键词对应的实体分类推荐，还可基于各关键词对应的情感分类进行推荐，提高了推荐精度。

Description

一种模型训练及关键词提取方法及装置

技术领域

本说明书涉及计算机技术领域，尤其涉及一种模型训练及关键词提取方法及装置。

背景技术

目前，随着计算机技术的发展，由用户生成的信息已经成为服务提供方的信息来源之一。但由于用户生成的信息，如，用户的评论等，大多为非结构性信息，无法直接对其进行应用，因此，如何从非结构性信息中提取出关键信息，已经成为服务提供方需要解决的问题之一。而关键词提取方法因为能够从语句中提取关键词，并确定该关键词的类别的特性，被广泛应用于服务提供方为用户推荐内容的场景中。

在现有技术中，一种常用的关键词提取方法是基于关键词提取模型实现的。具体的，针对需要进行关键词提取的非结构性信息中的每个语句，对该语句进行特征提取，确定该语句对应的句向量，然后将该句向量作为输入，输入到预先训练完成的关键词提取模型中，得到该关键词提取模型输出的该非结构性信息中的各语句对应的关键词，以及关键词对应的类别。

但是，现有技术在训练关键词提取模型时，并未考虑到各关键词的情感分类，即，该关键词在该非结构性信息中表征正向情感还是负向情感，使得在基于使用该关键词提取模型提取出的关键词，向用户推荐各非结构性信息时，确定出的推荐内容不准确，推荐精度较低。

发明内容

本说明书提供一种模型训练及关键词提取方法及装置，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供一种关键词提取模型的训练方法，包括：

获取若干非结构性信息，将所述若干非结构性信息中的语句，分别作为各训练样本，针对每个训练样本，确定该训练样本中的关键词、所述关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注；

将该训练样本作为输入，输入到待训练的关键词提取模型中的预处理模块中，确定该训练样本中各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于该字符在该训练样本中的位置和该训练样本的第一标注在该训练样本中的位置确定；

将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量；

将所述词向量作为输入，分别输入到所述关键词提取模型中的实体分类模块和情感分类模块，分别得到所述实体分类模块输出的所述训练样本的实体分类结果，以及所述情感分类模块输出的该训练样本的情感分类结果；

根据该训练样本对应的所述关键词和所述第一标注、所述实体分类结果和所述第二标注、所述情感分类结果和所述第三标注，确定损失，并以损失最小为优化目标，调整所述关键词提取模型中的模型参数，所述模型参数至少包括位置参数，所述关键词提取模型用于确定非结构性信息的关键词及其分类。

可选地，针对每个训练样本，确定该训练样本中的关键词的实体分类结果，作为该训练样本的第二标注，具体包括：

针对每个训练样本，将该训练样本的所述关键词作为输入，输入到预先训练好的实体分类模型中，确定所述关键词对应的实体分类结果，作为该训练样本的第二标注；

其中，所述实体分类模型为基于标注有实体分类结果的小样本关键词学习得到的。

可选地，针对每个训练样本，确定该训练样本中的关键词的情感分类结果，具体包括：

针对每个训练样本，将该训练样本作为输入，输入到预先训练好的情感分类模型中，确定该训练样本对应的情感分类结果，作为该关键词的情感分类结果；

其中，所述情感分类模型为基于标注有情感分类结果的小样本语句学习得到的。

可选地，针对每个语句，确定该语句中的各关键词，作为该语句的第一标注，具体包括：

针对每个语句，将该语句作为输入，输入到预先训练好的预提取模型中，确定该语句对应的关键词，作为该语句的第一标注；其中，

采用下述方式训练所述预提取模型：

获取非结构性信息；

对所述非结构性信息进行分词，确定所述非结构性信息对应的各词语，并根据各词语出现的频次，确定各候选词语；

针对每个候选词语，判断该候选词语是否存在于预设的关键词词典中；

若是，确定该候选词语为正样本；

若否，确定该候选词语为负样本；

将各候选词语作为输入，输入到待训练的预提取模型中，得到所述预提取模型输出的各候选词语输出的各候选词语的预提取结果，根据各候选词语的标注和预提取结果，对所述预提取模型进行训练。

可选地，确定该训练样本中各字符的位置向量，具体包括：

针对该训练样本中的每个字符，根据该字符在该训练样本中的位置，确定该字符的第一位置向量；

根据该字符在该训练样本中的位置和该训练样本的第一标注在训练样本中的位置，确定该字符的第二位置向量；

根据该字符的所述第一位置向量和所述第二位置向量，确定该字符的位置向量，其中，所述第二位置向量与该字符与所述第一标注之间的距离正相关。

可选地，根据该字符的内容向量和位置向量，确定该字符对应的字向量，具体包括：

根据该训练样本中的其他字符的内容向量，确定该字符的辅助向量；

根据该字符对应的内容向量、位置向量以及所述辅助向量，确定该字符的字向量。

本说明书提供一种关键词提取方法，包括：

获取非结构性信息，所述非结构性信息中至少包括一个语句；

针对所述非结构性信息中的每个语句，将该语句输入到预先训练好的关键词提取模型的预处理模块中，确定该语句中的各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于关键词提取模型的位置参数确定的；

将该语句对应的各字向量输入所述关键词提取模型中的提取模块，确定该语句对应的关键词；

将所述关键词分别输入所述关键词提取模型的实体分类模块和情感分类模块，确定所述关键词对应的实体分类结果和情感分类结果，所述关键词及其对应的实体分类结果和情感分类结果用于向用户推荐所述非结构性信息。

本说明书提供一种关键词提取模型的训练装置，包括：

样本确定模块，用于获取若干非结构性信息，将所述若干非结构性信息中的语句，分别作为各训练样本，针对每个训练样本，确定该训练样本中的关键词、所述关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注；

预处理模块，用于将该训练样本作为输入，输入到待训练的关键词提取模型中的预处理模块中，确定该训练样本中各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于该字符在该训练样本中的位置和该训练样本的第一标注在该训练样本中的位置确定；

提取模块，用于将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量；

分类模块，用于将所述词向量作为输入，分别输入到所述关键词提取模型中的实体分类模块和情感分类模块，分别得到所述实体分类模块输出的所述训练样本的实体分类结果，以及所述情感分类模块输出的该训练样本的情感分类结果；

训练模块，用于根据该训练样本对应的所述关键词和所述第一标注、所述实体分类结果和所述第二标注、所述情感分类结果和所述第三标注，确定损失，并以损失最小为优化目标，调整所述关键词提取模型中的模型参数，所述模型参数至少包括位置参数，所述关键词提取模型用于确定非结构性信息的关键词及其分类。

本说明书提供一种关键词提取模块，包括：

获取模块，用于获取非结构性信息，所述非结构性信息中至少包括一个语句；

预处理模块，用于针对所述非结构性信息中的每个语句，将该语句输入到预先训练好的关键词提取模型的预处理模块中，确定该语句中的各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于关键词提取模型的位置参数确定的；

提取模块，用于将该语句对应的各字向量输入所述关键词提取模型中的提取模块，确定该语句对应的关键词；

分类模块，用于将所述关键词分别输入所述关键词提取模型的实体分类模块和情感分类模块，确定所述关键词对应的实体分类结果和情感分类结果，所述关键词及其对应的实体分类结果和情感分类结果用于向用户推荐所述非结构性信息。

本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述关键词提取模型的训练方法或关键词提取方法。

本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述关键词提取模型的训练方法或关键词提取方法。

本说明书采用的上述至少一个技术方案能够达到以下有益效果：

在本说明书提供的关键词提取模型的训练方法中，通过确定训练样本，将训练样本的关键词、关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注，基于各训练样本中的字符的位置以及关键词的位置，确定各训练样本对应的各字符的字向量，并基于各字向量，确定各训练样本的关键词，以根据各关键词的词向量，确定各关键词的实体分类结果和情感分类结果，以各训练样本提取出的关键词、实体分类结果、情感分类结合以及各标注，对该关键词提取模型进行训练。使得基于确定出的关键词进行推荐时，不仅可基于各关键词对应的实体分类推荐，还可基于各关键词对应的情感分类进行推荐，提高了推荐精度。

从上述方法中可以看出，基于采用本方法确定出的关键词进行推荐时，不仅可基于各关键词对应的实体分类推荐，还可基于各关键词对应的情感分类进行推荐，提高了推荐精度。

附图说明

此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：

图1为本说明书提供的关键词提取模型的训练方法的流程示意图；

图2为本说明书提供的关键词提取模型的结构示意图；

图3为本说明书提供的训练样本的生成方法的示意图；

图4为本说明书提供的关键词提取的流程示意图；

图5为本说明书提供的关键词提取模型的训练装置；

图6为本说明书提供的关键词提取装置；

图7为本说明书提供的对应于图1或图5的电子设备示意图。

具体实施方式

为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

图1为本说明书提供的关键词提取模型的训练的方法的流程示意图，具体包括以下步骤：

S100：获取若干非结构性信息，将所述若干非结构性信息中的语句，分别作为各训练样本，针对每个训练样本，确定该训练样本中的关键词、所述关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注。

一般的，在内容推荐领域，可通过关键词提取模型对各非结构性信息进行关键词提取并分类，确定各非结构性信息的关键词以及关键词的类型，以根据确定出的关键词的内容以及关键词的类型，向用户推荐相关内容等。

通常，关键词提取模型是由用于训练模型的服务器，基于训练样本预先训练得到的。而本说明书提供了一种关键词提取模型的训练方法，同样的，可由用于训练模型的服务器执行该训练关键词提取模型的过程。

训练模型可以分为样本生成阶段.以及训练模型阶段，在样本生成阶段可根据模型需要以及训练需要，确定用于训练模型的样本。在本说明书中，该服务器首先可确定用于训练关键词提取模型的训练样本，并且由于通常关键词提取模型是基于各非结构性信息对关键词进行提取和分类的，因此，该服务器可首先确定各非结构性信息，以确定训练样本。

基于此，该服务器可获取若干非结构性信息，并将该若干结构性信息中的语句，分别作为训练样本，其中，各非结构性信息可为服务提供方的平台中的各产品的产品介绍，也可为各用户对于各产品的评论等，具体的非结构性信息的来源及形式可根据需要进行设置，本说明书对此不做限制。

在本说明书提供的一个或多个实施例中，由于非结构性信息对应的各关键词存在于各语句中，且在不同语句中的关键词的类别之间的差距可能较大，则该服务器可针对每个训练样本，确定该训练样本对应的关键词，以及关键词对应的实体分类和情感分类，以确定该训练样本的第一标注，第二标注和第三标注。

具体的，针对每个训练样本，该服务器可通过预先训练好的预提取模型，确定各训练样本对应的关键词，作为该训练样本的第一标注。其中，该关键词提取模型可通过下述方式训练得到：

针对每个非结构性信息，该服务器可首先对该非结构性信息进行分词，并统计各词语出现的频次，然后选择出现频率较多的各词语，作为各候选词语。

其次，针对每个候选词语，从该服务器预存的词典中，判断该词语是否存在，若存在，则将该候选词语作为正样本，若不存在，则可将该候选词语作为负样本。

然后，针对每个候选词语，根据该候选词语对应的出现频率、是否为新词语、意义是否完整、与其他词语的关联度等参数，确定该候选词语对应的分值。一般来说，分值越高，表征该候选词语为关键词的概率越大，反之亦然。

最后，该服务器可根据预设的关键词分值阈值，确定各候选词语是否为关键词，并基于各关键词对应的分值及其标签对该关键词提取模型进行训练。

在本说明书提供的一个或多个实施例中，在确实各训练样本对应的关键词后，该服务器还可确定各关键词对应的实体分类，作为该训练样本对应的第二标注。

具体的，在本说明书中，根据业务需要，可定义概念、美食、商品、设施、场景、环境、服务、未知等八个实体标签类别。其中概念表示商户所具有的业务类型，如“网红店”、“川菜馆”等，美食类标签包括菜品、饮品、食材等美食相关类别，商品定义为除美食类的商户可售卖实体，如，纪念品等，设施即商户所具有的可使用设备，如“无烟区”、“卡座位”，场景描述了商户所适合的场景类型，如“适合团建”、“适合拍照”，环境及服务分别描述商户所具有的环境特色及所提供的服务类型。如，在河上，可划船等，未知标识与其他七个标签无法对应的关键词。

则该服务器可获取预先训练好的实体分类模型，将各关键词作为输入，得到该实体分类模型输出的各关键词对应的实体分类结果。

其中，由于其标签有限，因此可通过标注有实体分类的小样本关键词训练得到：

获取少量有标签的关键词，将各关键词作为输入，输入到待训练的实体分类模型中，确定各关键词对应的实体分类结果。在接收到新的关键词时，根据该关键词与预存的各关键词之间的相似度，确定该关键词对应的实体分类结果。

当然，也可为预设有实体分类规则，由服务器根据预设的实体分类规则将各关键词进行实体分类，例如，“麻辣兔头-川菜”等。

在本说明书提供的一个或多个实施例中，在确定各关键词对应的实体分类时，还可根据非结构性信息中的信息，确定各关键词对应的情感分类结果，即，正向情感还是负向情感等，并将各关键词对应的情感分类结果作为该训练样本的第三标注。

具体的，该服务器可根据预设的情感分类规则，判断该非结构性信息中是否存在符合各情感分类规则的语句或字符，进而确定各关键词对应的情感分类结果。如，在“糖醋里脊一点都不好吃”中，关键词“糖醋里脊”属于负向情感。“糖醋里脊非常推荐”中，关键词“糖醋里脊”属于正向情感。

S102：将该训练样本作为输入，输入到待训练的关键词提取模型中的预处理模块中，确定该训练样本中各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的子向量，其中，所述位置向量为基于该字符在该训练样本中的位置和该训练样本的第一标注在该训练样本中的位置确定。

在本说明书提供的一个或多个实施例中，针对每个训练样本，若该训练样本中越靠近关键词的位置，字符的权重越高的话，则越容易确定出关键词，因此，在确定出各训练样本后，该服务器可将各训练样本输入到该关键词提取模型的预处理模块中，得到该训练样本中各字符的内容向量和可用于表征各字符和关键词距离的位置向量。该位置向量与字符距关键词的长度负相关，则基于该位置向量进行训练时，可确定出位置参数，该位置参数可用于表征距离关键词的距离，通常来说，该位置参数可为权重，且字符对应的位置参数(权重)越高，则距离关键词越近，为关键词的概率越高。

具体的，该服务器可针对每个训练样本中的每个字符，根据该字符对应的内容确定内容向量，根据该字符的位置和该训练样本中的关键词的位置，确定该字符的位置向量，然后，将该字符的内容向量和位置向量进行融合，确定该字符的字向量。

进一步的，由于模型需要，在确定训练样本时，该服务器确定出的训练样本的维度应该相等，因此，该服务器可确定各训练样本中最长的语句，并以该语句中的字符个数为基准，将其他语句对应的维度进行统一，即，将各维度进行统一。也就是说，假设基准字数为20，若语句中的字符个数为10，则可将该语句中第11-20个字符进行补码。因此，字符的字向量中还可包括掩码向量,该掩码向量用于表征该语句中的该位置是否有字符。

更进一步的，在同一语句中，字符对应的位置还可能影响该字符的词性，因此，在确定位置向量，还可仅根据该字符在语句中的位置确定该位置向量。

另外，因为后续确定关键词对情感分类时，需要基于关键词的字向量进行确定，而情感分类为对整个语句进行确定得到的，因此，该服务器在确定出训练样本中各字符对应的字向量后，还可对该训练样本进行语义编码，使得编码后的该训练样本中各字符对应的字向量中包含可表征该训练样本中其他字符对于该字符的影响的辅助向量。

具体的，该服务器可针对每个字符，根据各字符与该字符的距离，确定其他各字符对应的权重，根据其他该各字符对应的字向量及其权重，加权求和确定该字符的辅助向量。

当然，在确定辅助向量时，还可将各字符对应的字向量，乘上对应的权重后进行拼接，确定该字符的辅助向量。或者通过神经网络模型，注意力机制的编解码网络模型等，确定该字符的辅助向量，具体的确定辅助向量的方法可根据需要进行设置，本说明书对此不做限制。

将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量。

S104：将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量。

在本说明书提供的一个或多个实施例中，在确定出该训练样本对应的各字符的字向量后，该服务器可针对每个训练样本，基于该训练样本中的各字向量，确定该训练样本中的关键词。

具体的，该服务器可将该训练样本对应的各字向量作为输入，输入到该关键词提取模型的提取模块，针对每个字符，得到该字符与该字符的前一个字符是否为实体词的判断结果，并根据确定出的实体词，作为该训练样本的关键词。则步骤S100中，确定出的第一标注，可为根据各字符及其前一个字符是否为实体词确定的。如，假设A表示当前字符与前一个字符不组成一个实体词，B表示当前字符与前一字符组成一个实体词，则“气球不见了”的第一标注应为“BABBB”。

另外，在确定该训练样本的关键词时，可能会存在无法确定关键词的边界的问题，如“特斯拉发布了最新产品”语句中，“特斯拉”与“拉发”均属于实体词，但是，显然，特斯拉才是该语句对应的真实关键词，因此，在确定关键词时，还可以考虑到中文分词对于确定出的关键词的影响。即，确定第四标注为该字符对应其所属词的位置，即，开始、中间、结束。

在确定出各关键词后，该服务器可针对每个关键词，根据该关键词对应的每个字符的字向量，确定该关键词对应的词向量。具体可通过池化、拼接等多种方式进行确定，本说明书对此不做限制。

S106：将所述词向量作为输入，分别输入到所述关键词提取模型中的实体分类模块和情感分类模块，分别得到所述实体分类模块输出的所述训练样本的实体分类结果，以及所述情感分类模块输出的该训练样本的情感分类结果。

在本说明书提供一个或多个实施例中，在确定出各词向量后，该服务器可基于各词向量，确定各词向量对应的实体分类结果和情感分类结果。

具体的，该服务器可针对每各训练样本，将该训练样本对应的词向量作为输入，分别输入到该关键词提取模型的实体分类模块和情感分类模块中，得到实体分类模块输出的该关键词的实体分类结果，作为该训练样本的实体分类结果，以及情感分类模块输出的该关键词的情感分类模块作为该训练样本的实体分类结果。如图2所示。

图2为本说明书提供的关键词提取模型的结构示意图，可见，将训练样本作为输入，输入到关键词提取模型中的预处理模块，可确定训练样本对应的各字向量，则可基于各字向量，通过提取模块提取该训练样本中的关键词，并确定关键词的词向量，将词向量分别输入实体分类模块和情感分类模块，确定该训练样本的实体分类结果和情感分类结果。

S108：根据该训练样本对应的所述关键词和所述第一标注、所述实体分类结果和所述第二标注、所述情感分类结果和所述第三标注，确定损失，并以损失最小为优化目标，调整所述关键词提取模型中的模型参数，所述模型参数至少包括位置参数，所述关键词提取模型用于确定非结构性信息的关键词及其分类。

在本说明书提供的一个或多个实施例中，在确定出各训练样本的关键词、实体分类结果和情感分类结果后，该服务器可对待训练的关键词提取模型进行训练。

具体的，该服务器可以该训练样本对应的所述关键词和第一标注，确定第一损失，以该训练样本对应的实体分类结果和第二标注，确定第二损失，以该训练样本对应的情感分类结果和第三标注，确定第三损失，然后以第一损失、第二损失和第三损失的和，确定总损失。并以总损失最小为优化目标，调整所述关键词提取模型中的模型参数。

当然，也可为预设各损失对应的权重，加权求和确定总损失。以及，针对每个损失，根据其他损失，确定该损失对应的权重，进而确定总损失，具体的确定总损失的方式可根据需要进行设置，本说明书对此不做限制。

基于图1的关键词提取模型的训练方法，通过确定训练样本，将训练样本的关键词、关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注，基于各训练样本中的字符的位置以及关键词的位置，确定各训练样本对应的各字符的字向量，并基于各字向量，确定各训练样本的关键词，以根据各关键词的词向量，确定各关键词的实体分类结果和情感分类结果，以各训练样本提取出的关键词、实体分类结果、情感分类结合以及各标注，对该关键词提取模型进行训练，使得基于确定出的关键词进行推荐时，不仅可基于各关键词对应的实体分类，还可基于各关键词对应的情感分类，提高了推荐精度。

另外，在步骤S100中确定各训练样本对应的关键词时，该服务器还可利用知识图谱将各关键词进行提取。具体的，该服务器可首先定义一个无向有权图，然后对非结构性信息中的每个语句进行分词，确定该非结构性信息对应的各候选词语，作为该非结构性信息对应的分词结果。

其次，该服务器可针对每个候选词语，判断该候选词语是否符合过滤条件，若符合，则可将该词之后的第指定排位个词语与该候选词语一起加入词典中。其中，该词典中内容的存储形式为(词语1，词语2)-出现次数。

然后，在确定出词典后，该服务器可遍历该词典，将该词典中的每个内容，词语1，词语2作为图中一条边的起点和终点，出现次数作为边的权重，添加到定义好的无向有权图中。

最后，对该无向有权图进行迭代，确定各候选词语对应的权重值，并选择权重值较高的指定数量的候选词语作为该语句的关键词。

进一步的，如前所述的，非结构性信息对应的各关键词存在于各语句中，且在不同语句中的关键词的类别之间的差距可能较大，则该服务器可针对确定各语句对应的关键词。则确定出各非结构性信息对应的关键词后，该服务器可根据该非结构性信息中的各标点以及预设的分句规则等，确定该非结构性信息对应的各语句。以非结构性信息包含“A，B。C。”为例，假设预设的规则为“句号”表示一个语句的结束。则该服务器可将该非结构性信息分为“A，B”和“C”两个语句。当然，预设的分句规则等可根据需要进行设置，本说明书对此不做限制。

更进一步的，在步骤S100确定各训练样本的第三标注时，同样可通过模型的方式获得。

具体的，该服务器可获取预先训练好的情感分类模型，将各训练样本作为输入，得到该情感分类模型输出的各训练样本对应的情感分类，作为各训练样本的关键词对应的情感分类结果。

其中，由于其标签有限，即，正向情感和负向情感，因此可通过标注有实体分类的小样本语句训练得到：

获取少量有标签的语句，将各语句作为输入，输入到待训练的情感分类模型中，确定各语句对应的情感分类结果。以各语句的情感分类结果及其标注确定损失，以损失最小调整该情感分类模型的模型参数。

需要说明的是，实体分类模型和情感分类模型，可为相同的模型结果，也可为不同的模型结果，具体的模型结构可根据需要进行设置，本说明书对此不做限制。

本说明书还提供一种训练样本的生成方法的示意图，如图3所示，将训练样本输入预提取模型，确定预提取模型输出的该训练样本的关键词，作为第一标注，将关键词作为输入，输入实体分类模型，确定该关键词对应的实体分类结果，作为第二标注，将训练样本输入情感分类模型，确定该训练样本的情感分类结果，作为第三标注。其中，图中的实体分类为实体分类结果，情感分类为情感分类结果

基于图1所示的关键词提取模型的训练方法，本说明书还提供一种关键词提取方法，如图4所示。

图4为本说明书提供的关键词提取的流程示意图，包括：

S200：获取非结构性信息，所述非结构性信息中至少包括一个语句。

S202：针对所述非结构性信息中的每个语句，将该语句输入到预先训练好的关键词提取模型的预处理模块中，确定该语句中的各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于关键词提取模型的位置参数确定的。

S204：将该语句对应的各字向量输入所述关键词提取模型中的提取模块，确定该语句对应的关键词。

S206：将所述关键词分别输入所述关键词提取模型的实体分类模块和情感分类模块，确定所述关键词对应的实体分类结果和情感分类结果，所述关键词及其对应的实体分类结果和情感分类结果用于向用户推荐所述非结构性信息。

在本说明书提供第一个或多个实施例，因为本说明书中使用的投诉率预估模型是基于与该目标子场景属于同一业务总场景的其他子场景的预测模型的模型参数、该目标子场景的场景特征、属于同一业务总场景的至少部分其他子场景的场景特征、用户的用户特征等训练得到的，因此，在进行投诉率预估时，可获取各用户的用户特征、目标子场景的场景特征，以及分别与各用户具有关联关系的子场景的场景特征，确定各用户对于该目标子场景的投诉率。

具体的确定各语句对应的字向量，以及根据各字向量确定关键词，进而确定实体分类结果和情感分类结果的方法，可参考上述步骤S102～S106的内容，本说明书在此不再赘述。

以上为本说明书的一个或多个实施例提供的关键词提取模型的训练方法和关键词提取方法，基于同样的思路，本说明书还提供了相应的关键词提取模型的训练装置和关键词提取装置，如图5或6所示。

图5为本说明书提供的关键词提取模型的训练装置，包括：

样本确定模块300，用于获取若干非结构性信息，将所述若干非结构性信息中的语句，分别作为各训练样本，针对每个训练样本，确定该训练样本中的关键词、所述关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注；

预处理模块302，用于将该训练样本作为输入，输入到待训练的关键词提取模型中的预处理模块中，确定该训练样本中各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于该字符在该训练样本中的位置和该训练样本的第一标注在该训练样本中的位置确定；

提取模块304，用于将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量；

分类模块306，用于将所述词向量作为输入，分别输入到所述关键词提取模型中的实体分类模块和情感分类模块，分别得到所述实体分类模块输出的所述训练样本的实体分类结果，以及所述情感分类模块输出的该训练样本的情感分类结果；

训练模块308，用于根据该训练样本对应的所述关键词和所述第一标注、所述实体分类结果和所述第二标注、所述情感分类结果和所述第三标注，确定损失，并以损失最小为优化目标，调整所述关键词提取模型中的模型参数，所述模型参数至少包括位置参数，所述关键词提取模型用于确定非结构性信息的关键词及其分类。

可选地，所述样本确定模块300，具体用于针对每个训练样本，将该训练样本的所述关键词作为输入，输入到预先训练好的实体分类模型中，确定所述关键词对应的实体分类结果，作为该训练样本的第二标注，其中，所述实体分类模型为基于标注有实体分类结果的小样本关键词学习得到的。

可选地，所述样本确定模块300，具体用于针对每个训练样本，将该训练样本作为输入，输入到预先训练好的情感分类模型中，确定该训练样本对应的情感分类结果，作为该关键词的情感分类结果，其中，所述情感分类模型为基于标注有情感分类结果的小样本语句学习得到的。

可选地，所述样本确定模块300，具体用于针对每个训练样本，通过预先训练好的预提取模型，确定该训练样本对应的关键词，作为该训练样本的第一标注；其中，采用下述方式训练所述预提取模型：获取非结构性信息；对所述非结构性信息进行分词，确定所述非结构性信息对应的各词语，并根据各词语出现的频次，确定各候选词语；针对每个候选词语，判断该候选词语是否存在于预设的关键词词典中；若是，确定该候选词语为正样本；若否，确定该候选词语为负样本；将各候选词语作为输入，输入到待训练的预提取模型中，得到所述预提取模型输出的各候选词语输出的各候选词语的预提取结果，根据各候选词语的标注和预提取结果，对所述预提取模型进行训练。

可选地，所述预处理模块302，具体用于针对该训练样本中的每个字符，根据该字符在该训练样本中的位置，确定该字符的第一位置向量，根据该字符在该训练样本中的位置和该训练样本的第一标注在训练样本中的位置，确定该字符的第二位置向量，根据该字符的所述第一位置向量和所述第二位置向量，确定该字符的位置向量，其中，所述第二位置向量与该字符与所述第一标注之间的距离正相关。

可选地，所述预处理模块302，具体用于根据该训练样本中的其他字符的内容向量，确定该字符的辅助向量，根据该字符对应的内容向量、位置向量以及所述辅助向量，确定该字符对应的字向量。

图6为本说明书提供的关键词提取装置，包括：

获取模块400，用于获取非结构性信息，所述非结构性信息中至少包括一个语句。

预处理模块402，用于针对所述非结构性信息中的每个语句，将该语句输入到预先训练好的关键词提取模型的预处理模块中，确定该语句中的各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于关键词提取模型的位置参数确定的。

提取模块404，用于将该语句对应的各字向量输入所述关键词提取模型中的提取模块，确定该语句对应的关键词。

分类模块406，用于将所述关键词分别输入所述关键词提取模型的实体分类模块和情感分类模块，确定所述关键词对应的实体分类结果和情感分类结果，所述关键词及其对应的实体分类结果和情感分类结果用于向用户推荐所述非结构性信息。

本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的关键词提取模型的训练方法和上述图4所述的关键词提取方法。

本说明书还提供了图7所示的电子设备的示意结构图。如图7所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的关键词提取模型的训练方法和上述图4所述的关键词提取方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (11)

1.一种关键词提取模型的训练方法，其特征在于，所述方法包括：

获取若干非结构性信息，将所述若干非结构性信息中的语句，分别作为各训练样本，针对每个训练样本，确定该训练样本中的关键词、所述关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注；

将该训练样本作为输入，输入到待训练的关键词提取模型中的预处理模块中，确定该训练样本中各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量基于该字符在该训练样本中的位置和该训练样本的第一标注在该训练样本中的位置确定；

将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量；

将所述词向量作为输入，分别输入到所述关键词提取模型中的实体分类模块和情感分类模块，分别得到所述实体分类模块输出的所述训练样本的实体分类结果，以及所述情感分类模块输出的该训练样本的情感分类结果；

根据该训练样本对应的所述关键词和所述第一标注、所述实体分类结果和所述第二标注、所述情感分类结果和所述第三标注，确定损失，并以损失最小为优化目标，调整所述关键词提取模型中的模型参数，所述模型参数至少包括位置参数，所述关键词提取模型用于确定非结构性信息的关键词及其分类。

2.如权利要求1所述的方法，其特征在于，针对每个训练样本，确定该训练样本中的关键词的实体分类结果，作为该训练样本的第二标注，具体包括：

针对每个训练样本，将该训练样本的所述关键词作为输入，输入到预先训练好的实体分类模型中，确定所述关键词对应的实体分类结果，作为该训练样本的第二标注；

其中，所述实体分类模型为基于标注有实体分类结果的小样本关键词学习得到的。

3.如权利要求1所述的方法，其特征在于，针对每个训练样本，确定该训练样本中的关键词的情感分类结果，具体包括：

针对每个训练样本，将该训练样本作为输入，输入到预先训练好的情感分类模型中，确定该训练样本对应的情感分类结果，作为该关键词的情感分类结果；

其中，所述情感分类模型为基于标注有情感分类结果的小样本语句学习得到的。

4.如权利要求1所述的方法，其特征在于，针对每个训练样本，确定该训练样本中的关键词，作为该训练样本的第一标注，具体包括：

针对每个训练样本，通过预先训练好的预提取模型，确定该训练样本对应的关键词，作为该训练样本的第一标注；其中，

采用下述方式训练所述预提取模型：

获取非结构性信息；

对所述非结构性信息进行分词，确定所述非结构性信息对应的各词语，并根据各词语出现的频次，确定各候选词语；

针对每个候选词语，判断该候选词语是否存在于预设的关键词词典中；

若是，确定该候选词语为正样本；

若否，确定该候选词语为负样本；

将各候选词语作为输入，输入到待训练的预提取模型中，得到所述预提取模型输出的各候选词语输出的各候选词语的预提取结果，根据各候选词语的标注和预提取结果，对所述预提取模型进行训练。

5.如权利要求1所述的方法，其特征在于，确定该训练样本中各字符的位置向量，具体包括：

针对该训练样本中的每个字符，根据该字符在该训练样本中的位置，确定该字符的第一位置向量；

根据该字符在该训练样本中的位置和该训练样本的第一标注在训练样本中的位置，确定该字符的第二位置向量；

根据该字符的所述第一位置向量和所述第二位置向量，确定该字符的位置向量，其中，所述第二位置向量与该字符与所述第一标注之间的距离正相关。

6.如权利要求5所述的方法，其特征在于，根据该字符的内容向量和位置向量，确定该字符的字向量，具体包括：

根据该训练样本中的其他字符的内容向量，确定该字符的辅助向量；

根据该字符对应的内容向量、位置向量以及所述辅助向量，确定该字符的字向量。

7.一种关键词提取方法，其特征在于，所述方法包括：

获取非结构性信息，所述非结构性信息中至少包括一个语句；

针对所述非结构性信息中的每个语句，将该语句输入到预先训练好的关键词提取模型的预处理模块中，确定该语句中的各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于关键词提取模型的位置参数确定的；

将该语句对应的各字向量输入所述关键词提取模型中的提取模块，确定该语句对应的关键词；

将所述关键词分别输入所述关键词提取模型的实体分类模块和情感分类模块，确定所述关键词对应的实体分类结果和情感分类结果，所述关键词及其对应的实体分类结果和情感分类结果用于向用户推荐所述非结构性信息。

8.一种关键词提取模型的训练装置，其特征在于，所述装置包括：

样本确定模块，用于获取若干非结构性信息，将所述若干非结构性信息中的语句，分别作为各训练样本，针对每个训练样本，确定该训练样本中的关键词、所述关键词的实体分类结果以及所述关键词的情感分类结果，作为该训练样本的第一标注、第二标注和第三标注；

预处理模块，用于将该训练样本作为输入，输入到待训练的关键词提取模型中的预处理模块中，确定该训练样本中各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于该字符在该训练样本中的位置和该训练样本的第一标注在该训练样本中的位置确定；

提取模块，用于将该训练样本对应的各字向量作为输入，输入到所述关键词提取模型中的提取模块，得到所述提取模块输出的该训练样本的关键词，并根据所述关键词对应的每个字符，确定所述关键词对应的词向量；

分类模块，用于将所述词向量作为输入，分别输入到所述关键词提取模型中的实体分类模块和情感分类模块，分别得到所述实体分类模块输出的所述训练样本的实体分类结果，以及所述情感分类模块输出的该训练样本的情感分类结果；

训练模块，用于根据该训练样本对应的所述关键词和所述第一标注、所述实体分类结果和所述第二标注、所述情感分类结果和所述第三标注，确定损失，并以损失最小为优化目标，调整所述关键词提取模型中的模型参数，所述模型参数至少包括位置参数，所述关键词提取模型用于确定非结构性信息的关键词及其分类。

9.一种关键词提取模块，其特征在于，所述模块包括：

获取模块，用于获取非结构性信息，所述非结构性信息中至少包括一个语句；

预处理模块，用于针对所述非结构性信息中的每个语句，将该语句输入到预先训练好的关键词提取模型的预处理模块中，确定该语句中的各字符的内容向量和位置向量，并针对每个字符，根据该字符的内容向量和位置向量，确定该字符的字向量，其中，所述位置向量为基于关键词提取模型的位置参数确定的；

提取模块，用于将该语句对应的各字向量输入所述关键词提取模型中的提取模块，确定该语句对应的关键词；

分类模块，用于将所述关键词分别输入所述关键词提取模型的实体分类模块和情感分类模块，确定所述关键词对应的实体分类结果和情感分类结果，所述关键词及其对应的实体分类结果和情感分类结果用于向用户推荐所述非结构性信息。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项或权利要求7所述的方法。

11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～6任一项或权利要求7所述的方法。

Images