[发明专利]一种文本标签的提取方法、装置及服务器

权利要求书

1.一种文本标签的提取方法，其特征在于，包括：

获取M个文本和N个标签词，所述M个文本包括S个文本类别，M、N、S均为正整数；

在所述S个文本类别中的第k个文本类别下的文本中，确定出现所述N个标签词中的第i个标签词的文本数；

计算所述文本数占所述M个文本中出现所述第i个标签词的文本数的比重，作为文本比重；

确定所述第i个标签词在所述第k个文本类别下的文本中出现的次数；

计算所述次数占所述第i个标签词在所述M个文本中出现的次数的比重，作为词比重；

其中，i为小于或者等于N的正整数，k为小于或者等于S的正整数；

将所述文本比重与所述词比重二者的平均数确定为所述第i个标签词与所述第k个文本类别的相关性参数，所述相关性参数用于表征所述标签词与所述文本类别的相关性；

根据所述相关性参数，对所述第k个文本类别下的文本进行标签提取，得到所述文本对应的标签词。

2.根据权利要求1所述的方法，其特征在于，所述将所述文本比重与所述词比重二者的平均数确定为所述第i个标签词与所述第k个文本类别的相关性参数，包括：

获取所述文本比重对应的第一加权系数和所述词比重对应的第二加权系数；

根据所述第一加权系数和所述第二加权系数，计算所述文本比重和所述词比重二者的加权平均数；

将所述加权平均数确定为所述相关性参数。

3.根据权利要求2所述的方法，其特征在于，所述第一加权系数与第二加权系数之和等于1。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

将所述N个标签词输入分词模型；

通过所述分词模型，对所述M个文本进行分词；

根据分词结果，分别计算所述文本比重和所述词比重。

5.根据权利要求4所述的方法，其特征在于，所述根据分词结果，分别计算所述文本比重和所述词比重，包括：

根据所述分词结果，获取所述第i个标签词在所述第k个文本类别下的第一文本频率和在所述第k个文本类别下的第一词频率；

根据所述分词结果，获取所述第i个标签词在所述M个文本中的第二文本频率和在所述M个文本中的第二词频率，所述文本频率为包含第i个标签词的文本数，所述词频率为所述第i个标签词在文本中的出现次数；

计算所述第一文本频率与所述第二文本频率的比值，获得所述文本比重；

计算所述第一词频率与所述第二词频率的比值，获得所述词比重。

6.根据权利要求5所述的方法，其特征在于，所述根据所述分词结果，获取所述第i个标签词在所述第k个文本类别下的第一文本频率，包括：

获取所述第k个文本类别下的文本；

根据所述分词结果，统计所述第k个文本类别下的文本中包含所述第i个标签词的文本数，获得所述第一文本频率；

相应地，所述根据所述分词结果，获取所述第i个标签词在所述M个文本中的第二文本频率，包括：

根据所述分词结果，统计所述M个文本中包含所述第i个标签词的文本数，获得所述第二文本频率。

7.根据权利要求5所述的方法，其特征在于，所述根据所述分词结果，获取所述第i个标签词在所述第k个文本类别下的第一词频率，包括：

获取所述第k个文本类别下的文本；

根据所述分词结果，统计所述第k个文本类别下的文本中所述第i个标签词的出现次数，获得所述第一词频率；

相应地，所述根据所述分词结果，获取所述第i个标签词在所述M个文本中的第二词频率，包括：

根据所述分词结果，统计所述M个文本中所述第i个标签词的出现次数，获得所述第二词频率。