[发明专利]一种标签提取方法、装置、设备和介质

说明书

本发明公开了一种标签提取方法、装置、设备和介质，涉及互联网技术领域。该方法包括：对文本数据进行分词，得到多个实词，并根据所述实词确定候选标签词；将每个候选标签词依次作为当前候选标签词，并根据所述当前候选标签词在所述文本数据中的热度趋势，确定所述当前候选标签词在当前时刻的热度值；判断所述热度值是否满足设定标签词条件，若满足，则将所述当前候选标签词作为标签词。本发明实施例提供一种标签提取方法、装置、设备和介质，实现了对新出现的热点话题和热门词语的标签的提取。

技术领域

本发明实施例涉及互联网技术领域，尤其涉及一种标签提取方法、装置、设备和介质。

背景技术

标签作为对内容的刻画特征，对于内容理解及推荐系统起到至关重要的作用。

目前业界对于标签的提取，常见于利用专业字典对专业文献进行标签的提取。例如，通过对旅游相关网页的文本数据进行分词得到的多个词语，然后在该多个词语中，若存在旅游字典预存的关键词，且该关键词出现的频率大于设定阈值，则将该关键词作为该网页文本内容的标签。

但是，随着互联网数据的爆发性增长，经常会出现新的热点话题和热门词语等。现有技术因为不能频繁且及时的更新专业字典，所以无法对新出现的热点话题和热门词语进行标签的提取。

发明内容

本发明提供一种标签提取方法、装置、设备和介质，以实现对新出现的热点话题和热门词语的标签的提取。

第一方面，本发明实施例提供了一种标签提取方法，该方法包括：

对文本数据进行分词，得到多个实词，并根据所述实词确定候选标签词；

将每个候选标签词依次作为当前候选标签词，并根据所述当前候选标签词在所述文本数据中的热度趋势，确定所述当前候选标签词在当前时刻的热度值；

判断所述热度值是否满足设定标签词条件，若满足，则将所述当前候选标签词作为标签词。

进一步的，根据所述当前候选标签词在所述文本数据中的热度趋势，确定所述当前候选标签词在当前时刻的热度值包括：

根据所述当前候选标签词在所述文本数据中的热度趋势，确定所述当前候选标签词在当前时刻的热度向量；

根据所述热度向量确定所述当前候选标签词在当前时刻的热度值。

进一步的，所述根据所述当前候选标签词在所述文本数据中的热度趋势，确定所述当前候选标签词在当前时刻的热度向量包括：

将所述文本数据根据生成时间进行排列；

按照设定时间间隔将排列后的所述文本数据划分成多个数据块；

确定所述当前候选标签词在每个数据块的热度；

根据所述当前候选标签词在相邻数据块中的热度，确定所述当前候选标签词在当前时刻的热度向量。

进一步的，确定所述当前候选标签词在每个数据块的热度包括：

根据所述当前候选标签词在每个数据块中的词频、共现组合新词频率和/或词频逆文档频率，确定所述当前候选标签词在每个数据块的热度。

进一步的，根据所述当前候选标签词在相邻数据块中的热度，确定所述当前候选标签词在当前时刻的热度向量包括：

将截至当前时刻的设定时长的时间段作为当前时间段；

遍历所述当前时间段内的数据块，以逐一比较所述当前候选标签词在相邻所述数据块中的热度；

根据比较结果确定所述当前候选标签词在当前时刻的热度向量。

进一步的，根据比较结果确定所述当前候选标签词在当前时刻的热度向量包括：