[发明专利]一种文本标签的提取方法、装置及服务器

说明书

本发明实施例公开了一种文本标签的提取方法，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；分别计算所述N个标签词中的第i个标签词在所述S个文本类别中的第k个文本类别下的文本比重和在所述第k个文本类别下的词比重，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；至少根据所述相关性参数，提取所述第k个文本类别下的文本所对应的标签词。本发明实施例同时还提供一种文本标签的提取装置及服务器。

技术领域

本发明涉及互联网技术，尤其涉及一种文本标签的提取方法、装置及服务器。

背景技术

文章的标签(tag)对文章的内容进行一定程度的描述，类似于文章的关键词，通常反映了用户对该篇文章可能关注的兴趣点。同一篇文章的标签可以有多个，但通常只能属于一个文本类别。文章的标签和分类有一定的联系，每个文本类别包含了多个标签，而每个标签通常也会出现在多个文章的分类中。文章的标签提取，通常会有一个候选的标签列表，在提取过程中，会考虑每一个标签在文章中出现的位置、次数，还有每个标签和文章所属分类的相关性等。

目前，标签和文章所属分类的相关性，通常是通过人工标注的方式进行的，但是，随着标签和文章数据规模的增大，人工标注势必会影响文本标签提取的准确性。

发明内容

有鉴于此，本发明实施例期望提供一种文本标签的提取方法、装置及服务器，以保证文本标签提取的准确性。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明实施例提供一种文本标签的提取方法，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；分别计算所述N个标签词中的第i个标签词在所述S个文本类别中的第k个文本类别下的文本比重和在所述第k个文本类别下的词比重，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；至少根据所述相关性参数，提取所述第k个文本类别下的文本所对应的标签词。

第二方面，本发明实施例提供一种文本标签的提取装置，包括：获取单元，用于获取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；计算单元，用于分别计算所述N个标签词中的第i个标签词在所述S个文本类别中的第k个文本类别下的文本比重和在所述第k个文本类别下的词比重，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；提取单元，用于至少根据所述相关性参数，提取所述第k个文本类别下的文本所对应的标签词。

第三方面，本发明实施例提供一种服务器，包括：存储器，用于存储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；处理器，用于获取所述M个文本和所述N个标签词；分别计算所述N个标签词中的第i个标签词在所述S个文本类别中的第k个文本类别下的文本比重和在所述第k个文本类别下的词比重，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；至少根据所述相关性参数，提取所述第k个文本类别下的文本所对应的标签词。