[发明专利]数据处理方法、文本识别方法、装置及计算机设备

说明书

本申请实施例提供一种数据处理方法、一种文本识别方法、装置及一种计算机设备。本申请通过获取第一领域的第一文本样本及第二领域的第二文本样本并分别对所述第一文本样本及所述第二文本样本进行分词，获得多个属性特征。以所述多个属性特征为节点，以各个属性特征之间的关联关系为边，构建包括所述第一领域和所述第二领域的连通图，并确定所述连通图中每个节点的节点向量。基于所述第二文本样本命中所述连通图中的至少一个节点的节点向量及对应的至少一个属性标签，训练所述第二领域的分类模型，以至少基于所述分类模型及所述节点向量确定所述第二领域的待识别文本的识别结果。本申请技术方案大大提高第二领域属性识别的准确性。

技术领域

本申请实施例涉及网络技术领域，尤其涉及一种数据处理方法、一种文本识别方法、装置及一种计算机设备。

背景技术

随着计算机网络技术的日益发达，大量用户根据在互联网上的消费体验对该次消费的评论信息已经形成一个庞大的数据。目前，可以通过将某一领域商品(例如服装领域)大量的评论文本信息对该商品进行属性识别，从而深入挖掘用户对该商品的关注点及兴趣，以便基于用户对商品的关注点及兴趣引导用户的消费行为或引导商家确定该领域商品的研究方向及业务方向等。

现有技术中，可以通过该领域商品对应的分类模型识别该领域商品任一评论文本对应的属性标签，从而获知用户关注的属性维度。为了提高该分类模型的属性识别的准确性，该分类模型的训练样本需要通过对该领域商品的大量评论文本进行人工标注获得。具体是，首先通过人工定义该领域商品的属性标签体系，由人工标注根据每一个评论文本信息各自对应的至少一个属性标签，从而获得用于训练该领域商品的分类模型的训练样本。

但目前由于新领域商品(例如电子产品领域)的用户较少，因此相应评论文本信息较少，导致新领域商品的训练样本较少，难以获得准确性较好的训练模型。

发明内容

本申请实施例提供一种数据处理方法、一种文本识别方法、装置及一种计算机设备，结合已有足够数据量的第一文本样本，实现对第二领域分类模型进行模型训练，大大提高第二领域属性识别的准确性。

第一方面，本申请实施例中提供了一种数据处理方法，包括：

获取第一领域的第一文本样本及第二领域的第二文本样本；

分别对所述第一文本样本及所述第二文本样本进行分词，获得多个属性特征；

以所述多个属性特征为节点，以各个属性特征之间的关联关系为边，构建包括所述第一领域和所述第二领域的连通图，并确定所述连通图中每一个节点的节点向量；

基于所述第二文本样本命中所述连通图中的至少一个节点的节点向量及对应的至少一个属性标签，训练所述第二领域的分类模型，以至少基于所述分类模型及所述节点向量确定所述第二领域的待识别文本的识别结果。

第二方面，本申请实施例中提供了一种文本识别方法，包括：

获取第二领域的待识别文本；

确定所述待识别文本命中连通图中的至少一个节点的节点向量；其中，所述连通图基于第一领域的第一文本样本及所述第二领域的第二文本样本进行分词获得的多个属性特征作为节点，以各个属性特征之间的关联关系为边构建获得；每个节点的节点向量基于所述连通图学习获得；

基于所述待识别文本对应的至少一个节点向量及所述第二领域的分类模型，确定所述待识别文本的属性识别结果；其中，所述分类模型为基于所述第二文本样本对应所述连通图的至少一个节点的节点向量，以及对应的至少一个属性标签训练获得。

第三方面，本申请实施例中提供了一种数据处理装置，包括：

第一获取模块，用于获取第一领域的第一文本样本及第二领域的第二文本样本；