[发明专利]文本标签提取方法、装置、设备和存储介质

权利要求书

1.一种文本标签提取方法，其特征在于，包括：

获取同主题下的待提取标签的各文本，并对每个所述文本进行向量化，获得相应文本对应的文本向量；

对各所述文本向量进行聚类，获得至少一个文本聚类结果；

对各所述文本聚类结果进行关键词提取，获得各所述文本聚类结果对应的各标签候选词；

根据每个所述文本聚类结果对应的各所述标签候选词，确定各所述文本的文本标签。

2.根据权利要求1所述的方法，其特征在于，对每个所述文本进行向量化，获得相应文本对应的文本向量包括：

针对每个所述文本，对所述文本进行分词及去停用词，获得所述文本对应的待提取分词结果，并利用至少一个特征向量模型，对各所述待提取分词结果进行向量化，获得所述文本对应的文本向量。

3.根据权利要求1所述的方法，其特征在于，根据每个所述文本聚类结果对应的各所述标签候选词，确定各所述文本的文本标签包括：

依据预先基于各所述文本获得的词与词之间的共现矩阵，确定每个所述文本聚类结果对应的每两个所述标签候选词之间的共现频率，并筛选出共现频率满足预设共现频率阈值的至少一对所述标签候选词，生成各标签重组词；

针对每个所述标签重组词，若各所述文本中存在所述标签重组词，则将所述标签重组词确定为所述文本标签。

4.根据权利要求3所述的方法，其特征在于，在依据预先基于各所述文本获得的词与词之间的共现矩阵，确定每个所述文本聚类结果对应的每两个所述标签候选词之间的共现频率之前，还包括：

利用特征向量模型，确定每个所述文本聚类结果对应的每个所述标签候选词的候选词向量；

依据每两个所述标签候选词的所述候选词向量，确定相应的两个所述标签候选词之间的第一文本相似度，并剔除每个所述文本聚类结果对应的各所述标签候选词中所述第一文本相似度小于第一预设相似度阈值的所述标签候选词。

5.根据权利要求3所述的方法，其特征在于，若各所述文本中存在所述标签重组词，则将所述标签重组词确定为所述文本标签包括：

若各所述文本中存在所述标签重组词，则将所述标签重组词确定为候选标签；

若所述候选标签的词频满足预设词频阈值，则将所述标签重组词确定为所述文本标签。

6.根据权利要求1所述的方法，其特征在于，在应用场景为从物品介绍详情图中提取文本标签时，获取待提取标签的各文本包括：

对所述物品介绍详情图进行文字识别，获得所述物品介绍详情图的文本数据；

依据所述文本数据中的文本属性及预设文本筛选条件，对所述文本数据中的文本进行重要性筛选，获得所述物品介绍详情图对应的各筛选文本，并依据各所述筛选文本确定所述物品介绍详情图对应的待提取标签的各文本。

7.根据权利要求6所述的方法，其特征在于，依据各所述筛选文本确定所述物品介绍详情图对应的待提取标签的各文本包括：

针对每两个纵向相邻的所述筛选文本，若所述文本数据中两个所述筛选文本对应的文本框之间的左边缘差值绝对值、中心坐标差值绝对值和右边缘差值绝对值中的任一差值绝对值小于设定文本框高度，并且两个所述文本框之间的纵向差值绝对值小于所述设定文本框高度，则合并两个所述筛选文本，作为纵向合并文本，其中，所述设定文本框高度为两个所述文本框中文本框高度的较大值，所述纵向差值绝对值为上文本框的下边缘与下文本框的上边缘之间的距离差值绝对值；

针对每两个横向相邻的所述纵向合并文本，若两个所述纵向合并文本的文本框之间的纵向重叠距离小于所述设定文本框高度，则合并两个所述纵向合并文本，作为所述物品介绍详情图对应的待提取标签的文本。