CN117592456A - 文本质量检测方法和装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供了一种文本质量检测方法和装置、电子设备及存储介质，属于金融科技领域。该方法包括：获取原始保险描述文本，原始保险描述文本包括产品图像和产品描述数据；对产品图像进行内容提取，得到图像内容数据；对产品描述数据进行语义分析，得到描述语义数据；基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据；基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据；评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；基于质量评分数据对原始保险描述文本进行筛选处理，得到目标保险描述文本。本申请能够提高产品描述文本的筛选准确性，进而提高文本质量。

Description

文本质量检测方法和装置、电子设备及存储介质

技术领域

本申请涉及金融科技领域，尤其涉及一种文本质量检测方法和装置、电子设备及存储介质。

背景技术

为了加强对保险等金融类产品的全过程风险管理，金融机构常常需要对代理人提供的各种产品描述资料进行较为严格的质量检测，以筛选出高质量的产品描述资料。

目前，大多数金融机构常常是采取线下检测的方式，由相关人员来对代理人提供的产品资料进行质量检测，这一过程往往需要设置多个检测环节、需要多个相关人员参与，会存在着人力成本和时间成本较大的问题。另外，人工检测的方式往往需要依赖于相关人员的工作经验和主观判断，这会造成产品描述文本的筛选准确性不高的问题，会导致金融产品资料的质量不佳。

发明内容

本申请实施例的主要目的在于提出一种文本质量检测方法和装置、电子设备及存储介质，旨在提高产品描述文本的筛选准确性，进而提高文本质量。

为实现上述目的，本申请实施例的第一方面提出了一种文本质量检测方法，所述方法包括：

获取原始保险描述文本，其中，所述原始保险描述文本包括产品图像和产品描述数据；

对所述产品图像进行内容提取，得到图像内容数据；

对所述产品描述数据进行语义分析，得到描述语义数据；

基于所述描述语义数据和所述图像内容数据进行内容生成，得到语义内容数据；

基于预设的评分参考数据对所述语义内容数据进行质量评分，得到质量评分数据；其中，所述评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；

基于所述质量评分数据对所述原始保险描述文本进行筛选处理，得到目标保险描述文本。

在一些实施例，所述质量评分数据包含所述原始保险描述文本的内容标题分数，所述内容标题分数通过以下方式确定：

对所述语义内容数据进行标题提取得到内容标题，并对所述语义内容数据进行关键内容提取得到关键推荐内容；

对所述内容标题进行词语转换，得到标题向量表示；

对所述标题向量表示和预设的参考标题向量进行相似性计算，得到标题相似度；

对所述内容标题和所述关键推荐内容进行相似性计算，得到内容相似度；

对所述内容标题进行语法评分，得到标题语法分数；

对所述内容相似度、所述标题相似度、以及所述标题语法分数，确定所述内容标题分数。

在一些实施例，所述质量评分数据包含所述原始保险描述文本的内容完整度分数，所述内容完整度分数通过以下方式确定：

对所述语义内容数据进行关键词提取，得到内容关键词；

确定每个所述内容关键词和预设关键词的关键词相似度；

基于所述关键词相似度大于预设阈值的内容关键词的数目，得到所述原始保险描述文本的内容完整度分数。

在一些实施例，所述质量评分数据包含所述原始保险描述文本的内容丰富度分数，所述内容丰富度分数通过以下方式确定：

基于预设的神经网络对所述语义内容数据进行多媒体元素提取，得到多媒体元素特征；

对所述多媒体元素特征进行分类，得到多媒体元素类别；

基于所述多媒体元素类别、以及所述多媒体元素类别的类别数目，得到所述原始保险描述文本的内容丰富度分数。

在一些实施例，所述质量评分数据包含所述原始保险描述文本的内容覆盖度分数，所述内容覆盖度分数通过以下方式确定：

确定所述原始保险描述文本的适用区域；

基于所述语义内容数据和预设话术的匹配度、以及所述适用区域的区域大小，确定所述原始保险描述文本的内容覆盖度分数。

在一些实施例，所述质量评分数据包含所述原始保险描述文本的内容逻辑性分数，所述内容逻辑性分数通过以下方式确定：

对所述语义内容数据进行句子关系提取，得到所述语义内容数据中各个句子之间的依赖关系；

对所述语义内容数据进行文本结构分析，得到内容文本结构；

基于所述依赖关系、所述内容文本结构，通过逻辑推理算法对所述语义内容数据进行内容逻辑性评分，得到所述内容逻辑性分数。

在一些实施例，所述基于所述质量评分数据对所述原始保险描述文本进行筛选处理，得到目标保险描述文本，包括：

对所述质量评分数据和预设的分数阈值进行比较；

从多个所述原始保险描述文本中，筛选出所述质量评分数据大于所述分数阈值的所述原始保险描述文本作为所述目标保险描述文本；

对所述质量评分数据小于或者等于所述分数阈值的所述原始保险描述文本进行滤除。

为实现上述目的，本申请实施例的第二方面提出了一种文本质量检测装置，所述装置包括：

获取模块，用于获取原始保险描述文本，其中，所述原始保险描述文本包括产品图像和产品描述数据；

内容提取模块，用于对所述产品图像进行内容提取，得到图像内容数据；

语义分析模块，用于对所述产品描述数据进行语义分析，得到描述语义数据；

内容生成模块，用于基于所述描述语义数据和所述图像内容数据进行内容生成，得到语义内容数据；

质量评分模块，用于基于预设的评分参考数据对所述语义内容数据进行质量评分，得到质量评分数据；其中，所述评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；

筛选模块，用于基于所述质量评分数据对所述原始保险描述文本进行筛选处理，得到目标保险描述文本。

为实现上述目的，本申请实施例的第三方面提出了一种电子设备，所述电子设备包括存储器、处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。

为实现上述目的，本申请实施例的第四方面提出了一种计算机可读存储介质，所述计算机可读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第一方面所述的方法。

本申请提出的文本质量检测方法、文本质量检测装置、电子设备及存储介质，其通过获取原始保险描述文本，其中，原始保险描述文本包括产品图像和产品描述数据；对产品图像进行内容提取，得到图像内容数据；对产品描述数据进行语义分析，得到描述语义数据；基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据，能够较为全面地确定原始保险描述文本的语义内容。进一步地，基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据；其中，评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性，能够实现对原始保险描述文本的多维度质量评分，提高质量检测的广度和全面性。最后，基于质量评分数据对原始保险描述文本进行筛选处理，得到目标保险描述文本，能够提高产品描述文本的筛选准确性，进而提高文本质量。

附图说明

图1是本申请实施例提供的文本质量检测方法的流程图；

图2是图1中的步骤S105的一个流程图；

图3是图1中的步骤S105的另一流程图；

图4是图1中的步骤S105的另一流程图；

图5是图1中的步骤S105的另一流程图；

图6是图1中的步骤S105的另一流程图；

图7是图1中的步骤S106的流程图；

图8是本申请实施例提供的文本质量检测装置的结构示意图；

图9是本申请实施例提供的电子设备的硬件结构示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

首先，对本申请中涉及的若干名词进行解析：

人工智能(artificial intelligence，AI)：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；人工智能是计算机科学的一个分支，人工智能企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能可以对人的意识、思维的信息过程的模拟。人工智能还是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

自然语言处理(natural language processing，NLP)：NLP用计算机来处理、理解以及运用人类语言(如中文、英文等)，NLP属于人工智能的一个分支，是计算机科学与语言学的交叉学科，又常被称为计算语言学。自然语言处理包括语法分析、语义分析、篇章理解等。自然语言处理常用于机器翻译、手写体和印刷体字符识别、语音识别及文语转换、信息意图识别、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等技术领域，它涉及与语言处理相关的数据挖掘、机器学习、知识获取、知识工程、人工智能研究和与语言计算相关的语言学研究等。

信息抽取(Information Extraction，NER)：从自然语言文本中抽取指定类型的实体、关系、事件等事实信息，并形成结构化数据输出的文本处理技术。信息抽取是从文本数据中抽取特定信息的一种技术。文本数据是由一些具体的单位构成的，例如句子、段落、篇章，文本信息正是由一些小的具体的单位构成的，例如字、词、词组、句子、段落或是这些具体的单位的组合。抽取文本数据中的名词短语、人名、地名等都是文本信息抽取，当然，文本信息抽取技术所抽取的信息可以是各种类型的信息。

为了加强对保险等金融类产品的全过程风险管理，金融机构常常需要对代理人提供的各种产品描述资料进行较为严格的质量检测，以筛选出高质量的产品描述资料。

目前，大多数金融机构常常是采取线下检测的方式，由相关人员来对代理人提供的产品资料进行质量检测，这一过程往往需要设置多个检测环节、需要多个相关人员参与，会存在着人力成本和时间成本较大的问题。另外，人工检测的方式往往需要依赖于相关人员的工作经验和主观判断，这会造成产品描述材料的筛选准确性不高的问题，会导致金融产品资料的质量不佳。

基于此，本申请实施例提供了一种文本质量检测方法、文本质量检测装置、电子设备及存储介质，旨在提高产品描述材料的筛选准确性，进而提高金融产品资料的质量。

本申请实施例提供的文本质量检测方法和装置、电子设备及存储介质，具体通过如下实施例进行说明，首先描述本申请实施例中的文本质量检测方法。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例提供的文本质量检测方法，涉及数字医疗技术领域。本申请实施例提供的文本质量检测方法可应用于终端中，也可应用于服务器端中，还可以是运行于终端或服务器端中的软件。在一些实施例中，终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等；服务器端可以配置成独立的物理服务器，也可以配置成多个物理服务器构成的服务器集群或者分布式系统，还可以配置成提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN以及大数据和人工智能平台等基础云计算服务的云服务器；软件可以是实现文本质量检测方法的应用等，但并不局限于以上形式。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请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申请，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。

需要说明的是，在本申请的各个具体实施方式中，当涉及到需要根据对象信息、对象行为数据，对象历史数据以及对象位置信息等与对象身份或特性相关的数据进行相关处理时，都会先获得对象的许可或者同意，而且，对这些数据的收集、使用和处理等，都会遵守相关法律法规和标准。此外，当本申请实施例需要获取对象的个人信息时，会通过弹窗或者跳转到确认页面等方式获得对象的单独许可或者单独同意，在明确获得对象的单独许可或者单独同意之后，再获取用于使本申请实施例能够正常运行的必要的对象相关数据。

图1是本申请实施例提供的文本质量检测方法的一个可选的流程图，图1中的方法可以包括但不限于包括步骤S101至步骤S106。

步骤S101，获取原始保险描述文本，其中，原始保险描述文本包括产品图像和产品描述数据；

步骤S102，对产品图像进行内容提取，得到图像内容数据；

步骤S103，对产品描述数据进行语义分析，得到描述语义数据；

步骤S104，基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据；

步骤S105，基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据；其中，评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；

步骤S106，基于质量评分数据对原始保险描述文本进行筛选处理，得到目标保险描述文本。

本申请实施例所示意的步骤S101至步骤S106，通过获取原始保险描述文本，其中，原始保险描述文本包括产品图像和产品描述数据；对产品图像进行内容提取，得到图像内容数据；对产品描述数据进行语义分析，得到描述语义数据；基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据，能够较为全面地确定原始保险描述文本的语义内容。进一步地，基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据；其中，评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性，能够实现对原始保险描述文本的多维度质量评分，提高质量检测的广度和全面性。最后，基于质量评分数据对原始保险描述文本进行筛选处理，得到目标保险描述文本，能够提高产品描述文本的筛选准确性，进而提高文本质量。

需要说明的是，本公开实施例的文本质量检测方法可以依赖于预先训练的质量检测模型来实现，预先训练的质量检测模型学习有各种预设的评分规则和评分参考数据，能够基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据。

在一些实施例的步骤S101中，获取原始保险描述文本，其中，原始保险描述文本包括产品图像和产品描述数据。

产品图像指的是金融领域中代理人为了推荐金融产品而制作的图文数据。产品描述数据指的是金融领域中代理人为了对产品图像中的图文内容进行讲解时所采用的相关话术。当代理人完成原始保险描述文本的制作后，会将原始保险描述文本上传至金融平台，以使金融平台服务器对原始保险描述文本进行质量评估，并对高质量的原始保险描述文本进行发布，以将原始保险描述文本在金融平台上进行展示，使代理人能够随时取用并向不同对象来介绍相关的金融产品因此，服务器可以直接获取上传的原始保险描述文本。

进一步地，当代理人完成原始保险描述文本的制作后，原始保险描述文本会存储在对象终端等本地终端设备中。服务器也可以通过向本地终端设备发送数据获取请求，经过本地终端设备的许可后调用存储在本地终端设备的原始保险描述文本。

在一些具体实施例中，原始保险描述文本可以表现为包含文字的图像，也可以是已图文结合的PPT形式呈现，不做限制。

需要说明的是，上述的金融产品包含但不限于保险产品、基金产品、理财产品等等。

在一些实施例的步骤S102中，对产品图像进行内容提取，得到图像内容数据。

在该实施例具体实现时，通过光学字符识别技术确定产品图像中的字符形状，接着，根据光学字符识别技术中常用的字符识别方法将字符形状翻译为计算机文字，得到产品图像对应的图像内容数据。

在一些实施例的步骤S103中，对产品描述数据进行语义分析，得到描述语义数据。

在该实施例具体实现时，首先对产品描述数据进行分词处理，得到产品描述词语。接着，对产品描述词语进行词性标注，得到产品描述词语的词性类型。进一步地，根据词性类型对产品描述词语进行词性还原，得到还原描述词语。最后，基于命名实体识别模型对还原描述词语进行语义识别，得到还原描述词语的语义内容数据，将所有的语义内容数据进行整合，得到产品描述数据对应的描述语义数据。其中，命名实体识别模型是基于长短期记忆算法构建而成的模型。

在一些实施例的步骤S104中，基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据。

在该实施例具体实现时，首先将描述语义数据和图像内容数据中表征相同语义内容的文本数据进行合并，以实现对文本数据的去重。接着，将去重的文本数据、描述语义数据和图像内容数据中表征不同语义内容的文本数据进行整合，得到一个完整的文本数据，将这个完整的文本数据作为语义内容数据。

上述步骤S102至步骤S104，利用光学字符识别技术能较为全面、准确地提取到产品图像中的文字内容，利用命名实体识别模型能够较为高效地提取产品描述数据的主要描述内容。进一步地，利用提取到的图像文字内容、和描述内容进行内容生成，能够较为准确地理解该原始保险描述文本的文本内容，提高语义内容数据的数据质量。

请参阅图2，在一些实施例中，质量评分数据包含原始保险描述文本的内容标题分数，步骤S105中确定内容标题分数的过程可以包括但不限于包括步骤S201至步骤S206：

步骤S201，对语义内容数据进行标题提取得到内容标题，并对语义内容数据进行关键内容提取得到关键推荐内容；

步骤S202，对内容标题进行词语转换，得到标题向量表示；

步骤S203，对标题向量表示和预设的参考标题向量进行相似性计算，得到标题相似度；

步骤S204，对内容标题和关键推荐内容进行相似性计算，得到内容相似度；

步骤S205，对内容标题进行语法评分，得到标题语法分数；

步骤S206，对内容相似度、标题相似度、以及标题语法分数，确定内容标题分数。

下面对步骤S201至步骤S206进行详细描述。

在一些实施例的步骤S201中，首先利用命名实体提取算法对语义内容数据进行标题提取得到内容标题，接着，利用命名实体提取算法对语义内容数据进行关键内容提取得到关键推荐内容。

在一些实施例的步骤S202中，利用预设的词向量模型对内容标题进行词语转换，得到标题向量表示。其中，预设的词向量模型可以是Word2Vec、GloVe等神经网络模型。

在一些实施例的步骤S203中，利用余弦相似度算法或者欧式距离算法等对标题向量表示和预设的参考标题向量进行相似性计算，得到标题相似度。标题相似度越高，表明原始保险描述文本的内容标题越常见，标题的独特性越低。

在一些实施例的步骤S204中，利用余弦相似度算法或者欧式距离算法等对对内容标题和关键推荐内容进行相似性计算，得到内容相似度。内容相似度越大，表明内容标题能够较为准确地反映原始保险描述文本的核心内容和关键特点，内容标题是有意义的。

在一些实施例的步骤S205中，在对内容标题进行语法评分，得到标题语法分数时，基于预设的语法规则，判断内容标题是否使用正确的词性、是否使用正确的语序和标点符号。根据判断结果和预定的评分规则来确定内容标题的标题语法分数。例如，预定的评分规则是当内容标题使用正确的词性、是否使用正确的语序和标点符号时，语法分数是2分；当内容标题的词性、语序和标点符号中有1个存在语法错误，则语法分数是1分；当内容标题的词性、语序和标点符号全部存在语法错误或者有2个存储语法错误时。语法分数是0分。

在一些实施例的步骤S206中，在对内容相似度、标题相似度、以及标题语法分数，确定内容标题分数时，根据预设的评分规则和标题相似度来确定内容标题的第一分数；根据预设的评分规则和内容相似度来确定内容标题的第二分数。其中，预设的评分规则是标题相似度大于预设的第一阈值，则第一分数是2分；标题相似度小于或者等于预设的第一阈值，则第一分数是0分，第一分数用于指示内容标题的独特性评分。预设的评分规则是内容相似度大于预设的第二阈值，则第二分数是2分；内容相似度小于或者等于预设的第二阈值，则第二分数是0分，第二分数用于指示内容标题是否有意义。进一步地，对第一分数、第二分数、以及语法分数进行加权和计算，得到内容标题分数。

通过上述步骤S201至步骤S206能够对原始保险描述文本的内容标题进行质量评分，在对内容标题评分时，从标题的独特性、标题是否符合语法规则、标题是否有意义三个维度去进行质量评分，能够提高标题质量评分的准确性和全面性。

请参阅图3，在一些实施例中，质量评分数据包含原始保险描述文本的内容完整度分数，步骤S105中确定内容完整度分数的过程可以包括但不限于包括步骤S301至步骤S303：

步骤S301，对语义内容数据进行关键词提取，得到内容关键词；

步骤S302，确定每个内容关键词和预设关键词的关键词相似度；

步骤S303，基于关键词相似度大于预设阈值的内容关键词的数目，得到原始保险描述文本的内容完整度分数。

下面对步骤S301至步骤S303进行详细描述。

在一些实施例的步骤S301中，基于TF-IDF算法(词频-逆文档频率算法)或者TextRank算法对语义内容数据进行关键词提取，得到内容关键词。

在一些实施例的步骤S302中，针对每个内容关键词，利用余弦相似度算法或者欧式距离算法等对内容关键词和预设关键词进行相似度计算，将计算结果作为关键词相似度。当关键词相似度越大，表明内容关键词和预设关键词越接近，原始保险描述文本的内容越符合预定的内容要求。例如，预设关键词包括但不限于个人介绍、企业介绍、沟通话题、产品讲解等等。

在一些实施例的步骤S303中，从多个内容关键词中筛选出关键词相似度大于预设阈值的内容关键词，得到目标关键词。进一步地，统计目标关键词的数目，当目标关键词的数目越大，表明原始保险描述文本的内容覆盖到的内容维度越全面，文本内容越完整。基于此，依据预设的评分规则和目标关键词的数目确定原始保险描述文本的内容完整度分数。

例如，预设的评分规则是当目标关键词的数目大于或者等于5时，确定原始保险描述文本的内容完整度分数是2分；当目标关键词的数目大于或者等于3，且小于5时，确定原始保险描述文本的内容完整度分数是1分；当目标关键词的数目小于或者等于2时，确定原始保险描述文本的内容完整度分数是0分。

通过上述步骤S301至步骤S303能够依据原始保险描述文本中的符合要求的内容关键词的数目，判断原始保险描述文本的内容的完整程度，并赋予原始保险描述文本一个内容完整度分数，从内容完整度的角度来对原始保险描述文本进行质量检测，有利于提高质量检测的广度。

请参阅图4，在一些实施例中，质量评分数据包含原始保险描述文本的内容丰富度分数，步骤S105中确定内容丰富度分数的过程可以包括但不限于包括步骤S401至步骤S403：

步骤S401，基于预设的神经网络对语义内容数据进行多媒体元素提取，得到多媒体元素特征；

步骤S402，对多媒体元素特征进行分类，得到多媒体元素类别；

步骤S403，基于多媒体元素类别、以及多媒体元素类别的类别数目，得到原始保险描述文本的内容丰富度分数。

下面对步骤S401至步骤S403进行详细描述。

在一些实施例的步骤S401中，多媒体元素包含但不限于视频、数据、实例、理念图等等。预设的神经网络包括但不限于卷积神经网络(CNN)、循环神经网络(RNN)。在该实施例具体实现时，利用卷积神经网络或者循环神经网络对语义内容数据进行多媒体元素提取，捕捉语义内容数据中各种内容的表现形式，得到多个多媒体元素特征。

在一些实施例的步骤S402中，利用分类算法来计算每个多媒体元素特征在每个预设元素类别上的概率分布，将在概率分布中概率最大的预设元素类别作为各个多媒体元素特征的多媒体元素类别。其中，预设元素类别包含但不限于视频、图片、实例、图表等等；分类算法指的是基于softmax函数等分类函数生成的算法。

在一些实施例的步骤S403中，对所有多媒体元素特征所涉及的多媒体元素类别进行统计，确定所有多媒体元素特征包含的多媒体元素类别的类别数目。进一步地，根据预设的评分规则和原始保险描述文本的多媒体元素类别的类别数目，确定原始保险描述文本的内容丰富度分数。

例如，预设的评分规则可以是当原始保险描述文本的多媒体元素类别的类别数目大于或者等于5时，确定内容丰富度分数是2分；当原始保险描述文本的多媒体元素类别的类别数目大于或者等于3，且小于或者等于4时，确定内容丰富度分数是1分；当原始保险描述文本的多媒体元素类别的类别数目小于或者等于2时，确定内容丰富度分数是0分。

通过上述步骤S401至步骤S403能够依据原始保险描述文本中的元素数量和多样性，赋予原始保险描述文本一个内容丰富度分数，从内容丰富性的角度来对原始保险描述文本进行质量检测，有利于提高质量检测的广度。

请参阅图5，在一些实施例中，质量评分数据包含原始保险描述文本的内容覆盖度分数，步骤S105中确定内容覆盖度分数的过程可以包括但不限于包括步骤S501至步骤S502：

步骤S501，确定原始保险描述文本的适用区域；

步骤S502，基于语义内容数据和预设话术的匹配度、以及适用区域的区域大小，确定原始保险描述文本的内容覆盖度分数。

下面对步骤S501至步骤S502进行详细描述。

在一些实施例的步骤S501中，适用区域是由代理人在制作原始保险描述文本是所限定的原始保险描述文本的使用范围。在该实施例具体实现时，直接从原始保险描述文本的文本属性中提取出原始保险描述文本的使用范围，将使用范围作为原始保险描述文本的适用区域。

在一些实施例的步骤S502中，基于余弦相似度算法、欧式距离等相似度算法对语义内容数据和预设话术进行相似度计算，将相似度作为语义内容数据和预设话术的匹配度。进一步地，统计原始保险描述文本的页数。最后，依据预设的评分规则，根据语义内容数据和预设话术的匹配度、适用区域的区域大小、原始保险描述文本的页数确定原始保险描述文本的内容覆盖度分数。

例如，预设的评分规则表示如果适用区域是全域开放，则内容覆盖分数累加1分；如果适用区域是某一个区域，则内容覆盖分数累加0分。如果页数处于21页至30页之间，则内容覆盖分数累加2分；如果页数处于11页至20页之间，则内容覆盖分数累加1分；如果页数处于10页以内，则内容覆盖分数累加0分。如果匹配度大于预设阈值，则内容覆盖分数累加1分；如果匹配度小于或者等于预设阈值，则内容覆盖分数累加0分。基于上述三方面的分数累加规则，对语义内容数据和预设话术的匹配度的累加分数、适用区域的累加分数、和页数的累加分数相加，得到原始保险描述文本的内容覆盖度分数。

通过上述步骤S501至步骤S502能够依据原始保险描述文本中的适用区域的大小，判断原始保险描述文本的适用人群多少，给原始保险描述文本赋予一个内容覆盖度分数，从内容覆盖面的角度来对原始保险描述文本进行质量检测，有利于提高质量检测的广度。

请参阅图6，在一些实施例，质量评分数据包含原始保险描述文本的内容逻辑性分数，步骤S105中确定内容逻辑性分数的过程包括但不限于包括步骤S601至步骤S603：

步骤S601，对语义内容数据进行句子关系提取，得到语义内容数据中各个句子之间的依赖关系；

步骤S602，对语义内容数据进行文本结构分析，得到内容文本结构；

步骤S603，基于依赖关系、内容文本结构，通过逻辑推理算法对语义内容数据进行内容逻辑性评分，得到内容逻辑性分数。

下面对步骤S601至步骤S603进行详细描述。

在一些实施例的步骤S601中，使用依存句法分析技术对语义内容数据进行句子关系提取，得到语义内容数据中各个句子之间的依赖关系。

在一些实施例的步骤S602中，利用自然语言处理技术对语义内容数据进行文本结构分析，得到内容文本结构。其中，内容文本结构包括但不限于包括并列式、总分式结构等等。

在一些实施例的步骤S603中，逻辑推理算法指的是演绎推理。具体地，利用逻辑推荐算法，对依赖关系和内容文本结构进行演绎推理分析，判断语义内容数据是否逻辑完整、是否逻辑正确，得到逻辑判断结果。进一步地，根据预设的评分规则和逻辑判断结果，确定内容逻辑性分数。

通过上述步骤S601至步骤S603能够依据原始保险描述文本的文本结构来分析原始保险描述文本是否具备逻辑性，给原始保险描述文本赋予一个内容逻辑性分数，从内容逻辑性的角度来对原始保险描述文本进行质量检测，有利于提高质量检测的广度。

请参阅图7，在一些实施例中，步骤S106可以包括但不限于包括步骤S701至步骤S703：

步骤S701，对质量评分数据和预设的分数阈值进行比较；

步骤S702，从多个原始保险描述文本中，筛选出质量评分数据大于分数阈值的原始保险描述文本作为目标保险描述文本；

步骤S703，对质量评分数据小于或者等于分数阈值的原始保险描述文本进行滤除。

下面对步骤S701至步骤S703进行详细描述。

在一些实施例的步骤S701中，预设的分数阈值根据实际业务需求确定，不做限制。当质量评分数据包含内容标题分数、内容完整度分数、内容丰富度分数、内容覆盖度分数以及内容逻辑性分数中的多个时，根据实际需求为内容标题分数、内容完整度分数、内容丰富度分数、内容覆盖度分数以及内容逻辑性分数分别赋予一个权重。具体地，首先确定内容标题分数的第一权重、内容完整度分数的第二权重、内容丰富度分数的第三权重、内容覆盖度分数的第四权重以及内容逻辑性分数的第五权重，其中，第一权重、第二权重、第三权重、第四权重以及第五权重的和为1。接着，根据第一权重、第二权重、第三权重、第四权重以及第五权重对内容标题分数、内容完整度分数、内容丰富度分数、内容覆盖度分数、内容逻辑性分数进行加权和，得到原始保险描述文本的质量总分数。进一步地，将质量总分数和分数阈值进行比较。根据质量总分数和分数阈值的大小关系来评估原始保险描述文本是否符合质量要求。

在一些实施例的步骤S702中，如果原始保险描述文本的质量评分数据大于分数阈值，表明原始保险描述文本具备较高的质量，因此，从多个原始保险描述文本中，筛选出质量评分数据大于分数阈值的原始保险描述文本作为目标保险描述文本，目标保险描述文本用于提供给各个代理人在进行产品推荐时使用。

在一些实施例的步骤S703中，如果原始保险描述文本的质量评分数据小于或者等于分数阈值，表明原始保险描述文本的质量较差，因此，对质量评分数据小于或者等于分数阈值的原始保险描述文本进行拦截和滤除。

通过上述步骤S701至步骤S703利用权重计算的方式将原始保险描述文本在多个维度的分数进行整合，得到原始保险描述文本的质量总分数，实现了对原始保险描述文本的综合分析。进一步地，利用阈值比较的方式来判断原始保险描述文本是否符合质量要求，从多个原始保险描述文本中筛选出符合质量要求的作为目标保险描述文本，简化了筛选过程，能提高文本筛选的准确性和效率。

请参阅图8，本申请实施例还提供一种文本质量检测装置，可以实现上述文本质量检测方法，该装置包括：

获取模块801，用于获取原始保险描述文本，其中，原始保险描述文本包括产品图像和产品描述数据；

内容提取模块802，用于对产品图像进行内容提取，得到图像内容数据；

语义分析模块803，用于对产品描述数据进行语义分析，得到描述语义数据；

内容生成模块804，用于基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据；

质量评分模块805，用于基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据；其中，评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；

筛选模块806，用于基于质量评分数据对原始保险描述文本进行筛选处理，得到目标保险描述文本。

该文本质量检测装置的具体实施方式与上述文本质量检测方法的具体实施例基本相同，在此不再赘述。

本申请实施例还提供了一种电子设备，电子设备包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述文本质量检测方法。该电子设备可以为包括平板电脑、车载电脑等任意智能终端。

请参阅图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：

处理器901，可以采用通用的CPU(CentralProcessingUnit，中央处理器)、微处理器、应用专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；

存储器902，可以采用只读存储器(ReadOnlyMemory，ROM)、静态存储设备、动态存储设备或者随机存取存储器(RandomAccessMemory，RAM)等形式实现。存储器902可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器902中，并由处理器901来调用执行本申请实施例的文本质量检测方法；

输入/输出接口903，用于实现信息输入及输出；

通信接口904，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；

总线905，在设备的各个组件(例如处理器901、存储器902、输入/输出接口903和通信接口904)之间传输信息；

其中处理器901、存储器902、输入/输出接口903和通信接口904通过总线905实现彼此之间在设备内部的通信连接。

本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述文本质量检测方法。

存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

本申请实施例提供的文本质量检测方法、文本质量检测装置、电子设备及计算机可读存储介质，其通过获取原始保险描述文本，其中，原始保险描述文本包括产品图像和产品描述数据；对产品图像进行内容提取，得到图像内容数据；对产品描述数据进行语义分析，得到描述语义数据；基于描述语义数据和图像内容数据进行内容生成，得到语义内容数据，能够较为全面地确定原始保险描述文本的语义内容。进一步地，基于预设的评分参考数据对语义内容数据进行质量评分，得到质量评分数据；其中，评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性，能够实现对原始保险描述文本的多维度质量评分，提高质量检测的广度和全面性。最后，基于质量评分数据对原始保险描述文本进行筛选处理，得到目标保险描述文本，能够提高产品描述文本的筛选准确性，进而提高文本质量。

本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

本领域技术人员可以理解的是，图1-7中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，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。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。

本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，上述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。

集成的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取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。

以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。

Claims (10)

1.一种文本质量检测方法，其特征在于，所述方法包括：

获取原始保险描述文本，其中，所述原始保险描述文本包括产品图像和产品描述数据；

对所述产品图像进行内容提取，得到图像内容数据；

对所述产品描述数据进行语义分析，得到描述语义数据；

基于所述描述语义数据和所述图像内容数据进行内容生成，得到语义内容数据；

基于预设的评分参考数据对所述语义内容数据进行质量评分，得到质量评分数据；其中，所述评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；

基于所述质量评分数据对所述原始保险描述文本进行筛选处理，得到目标保险描述文本。

2.根据权利要求1所述的文本质量检测方法，其特征在于，所述质量评分数据包含所述原始保险描述文本的内容标题分数，所述内容标题分数通过以下方式确定：

对所述语义内容数据进行标题提取得到内容标题，并对所述语义内容数据进行关键内容提取得到关键推荐内容；

对所述内容标题进行词语转换，得到标题向量表示；

对所述标题向量表示和预设的参考标题向量进行相似性计算，得到标题相似度；

对所述内容标题和所述关键推荐内容进行相似性计算，得到内容相似度；

对所述内容标题进行语法评分，得到标题语法分数；

对所述内容相似度、所述标题相似度、以及所述标题语法分数，确定所述内容标题分数。

3.根据权利要求1所述的文本质量检测方法，其特征在于，所述质量评分数据包含所述原始保险描述文本的内容完整度分数，所述内容完整度分数通过以下方式确定：

对所述语义内容数据进行关键词提取，得到内容关键词；

确定每个所述内容关键词和预设关键词的关键词相似度；

基于所述关键词相似度大于预设阈值的内容关键词的数目，得到所述原始保险描述文本的内容完整度分数。

4.根据权利要求1所述的文本质量检测方法，其特征在于，所述质量评分数据包含所述原始保险描述文本的内容丰富度分数，所述内容丰富度分数通过以下方式确定：

基于预设的神经网络对所述语义内容数据进行多媒体元素提取，得到多媒体元素特征；

对所述多媒体元素特征进行分类，得到多媒体元素类别；

基于所述多媒体元素类别、以及所述多媒体元素类别的类别数目，得到所述原始保险描述文本的内容丰富度分数。

5.根据权利要求1所述的文本质量检测方法，其特征在于，所述质量评分数据包含所述原始保险描述文本的内容覆盖度分数，所述内容覆盖度分数通过以下方式确定：

确定所述原始保险描述文本的适用区域；

基于所述语义内容数据和预设话术的匹配度、以及所述适用区域的区域大小，确定所述原始保险描述文本的内容覆盖度分数。

6.根据权利要求1所述的文本质量检测方法，其特征在于，所述质量评分数据包含所述原始保险描述文本的内容逻辑性分数，所述内容逻辑性分数通过以下方式确定：

对所述语义内容数据进行句子关系提取，得到所述语义内容数据中各个句子之间的依赖关系；

对所述语义内容数据进行文本结构分析，得到内容文本结构；

基于所述依赖关系、所述内容文本结构，通过逻辑推理算法对所述语义内容数据进行内容逻辑性评分，得到所述内容逻辑性分数。

7.根据权利要求1至6任一项所述的文本质量检测方法，其特征在于，所述基于所述质量评分数据对所述原始保险描述文本进行筛选处理，得到目标保险描述文本，包括：

对所述质量评分数据和预设的分数阈值进行比较；

从多个所述原始保险描述文本中，筛选出所述质量评分数据大于所述分数阈值的所述原始保险描述文本作为所述目标保险描述文本；

对所述质量评分数据小于或者等于所述分数阈值的所述原始保险描述文本进行滤除。

8.一种文本质量检测装置，其特征在于，所述装置包括：

获取模块，用于获取原始保险描述文本，其中，所述原始保险描述文本包括产品图像和产品描述数据；

内容提取模块，用于对所述产品图像进行内容提取，得到图像内容数据；

语义分析模块，用于对所述产品描述数据进行语义分析，得到描述语义数据；

内容生成模块，用于基于所述描述语义数据和所述图像内容数据进行内容生成，得到语义内容数据；

质量评分模块，用于基于预设的评分参考数据对所述语义内容数据进行质量评分，得到质量评分数据；其中，所述评分参考数据至少包括以下之一：内容标题、内容完整度、内容丰富度、内容覆盖度以及内容逻辑性；

筛选模块，用于基于所述质量评分数据对所述原始保险描述文本进行筛选处理，得到目标保险描述文本。

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的文本质量检测方法。

10.一种计算机可读存储介质，所述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权利要求1至7中任一项所述的文本质量检测方法。