[发明专利]文本信息的类型识别方法及装置有效

专利信息
申请号: 201911018745.X 申请日: 2019-10-24
公开(公告)号: CN110781668B 公开(公告)日: 2021-08-27
发明(设计)人: 郝彦超;康斌 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F40/258 分类号: G06F40/258;G06F40/242;G06F40/279;G06F16/35;G06K9/62
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 周婷婷
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文本 信息 类型 识别 方法 装置
【说明书】:

发明公开了一种文本信息的类型识别方法及装置。其中,该方法包括:将获取到的第一文本信息输入文本类型识别模型,其中,所述文本类型识别模型包括依次串联的多个子模型,所述多个子模型中的每个子模型用于识别输入所述每个子模型的文本信息是否属于所述每个子模型所对应的文本类型;获取所述文本类型识别模型输出的第一识别结果,其中,所述第一识别结果用于指示所述多个子模型中的第一子模型确定所述第一文本信息属于所述第一子模型所对应的目标文本类型。本发明解决了对文本信息进行类型识别的识别效率较低的技术问题。

技术领域

本发明涉及计算机领域,具体而言,涉及一种文本信息的类型识别方法及装置。

背景技术

现有的恶意标题识别的技术方案大多通过单一的匹配方式对恶意标题进行定向打击,该方法具有准确率低的缺点,同时召回率较高,整体系统表现效果难以令用户满意,无法达到应用上辅助人工进行文本审核的效果。

针对上述的问题,目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种文本信息的类型识别方法及装置,以至少解决对文本信息进行类型识别的识别效率较低的技术问题。

根据本发明实施例的一个方面,提供了一种文本信息的类型识别方法,包括:将获取到的第一文本信息输入文本类型识别模型,其中,所述文本类型识别模型包括依次串联的多个子模型,所述多个子模型中的每个子模型用于识别输入所述每个子模型的文本信息是否属于所述每个子模型所对应的文本类型;

获取所述文本类型识别模型输出的第一识别结果,其中,所述第一识别结果用于指示所述多个子模型中的第一子模型确定所述第一文本信息属于所述第一子模型所对应的目标文本类型。

根据本发明实施例的另一方面,还提供了一种文本信息的类型识别装置,包括:输入模块,用于将获取到的第一文本信息输入文本类型识别模型,其中,所述文本类型识别模型包括依次串联的多个子模型,所述多个子模型中的每个子模型用于识别输入所述每个子模型的文本信息是否属于所述每个子模型所对应的文本类型;

第一获取模块,用于获取所述文本类型识别模型输出的第一识别结果,其中,所述第一识别结果用于指示所述多个子模型中的第一子模型确定所述第一文本信息属于所述第一子模型所对应的目标文本类型。

可选地,所述装置还包括:

显示模块,用于在将标注了不属于所述目标文本类型的所述目标文本信息添加到第二分类训练数据中,得到第三分类训练数据之前,显示具有对应关系的所述多个文本信息和所述多个文本信息中的每个文本信息所对应的目标文本类型;

第一确定模块,用于将所述多个文本信息中被执行了选择操作的文本信息确定为所述目标文本信息;

第二确定模块,用于确定所述目标文本信息不属于所述目标文本类型。

在本发明实施例中,采用将获取到的第一文本信息输入文本类型识别模型,其中,所述文本类型识别模型包括依次串联的多个子模型,所述多个子模型中的每个子模型用于识别输入所述每个子模型的文本信息是否属于所述每个子模型所对应的文本类型;获取所述文本类型识别模型输出的第一识别结果,其中,所述第一识别结果用于指示所述多个子模型中的第一子模型确定所述第一文本信息属于所述第一子模型所对应的目标文本类型的方式,通过文本类型识别模型所包括的依次串联的多个子模型分别识别输入的第一文本信息所属于的文本类型,不同的子模型对应了不同的文本类型,能够对文本信息的文本类型进行精细的识别,从而提高了识别的准确率,并且第一文本信息通过依次串联的多个子模型的过程中,输出最先识别出来的第一子模型的文本类型作为目标文本类型,达到了提高识别速度的目的,从而实现了提高对文本信息进行类型识别的识别效率的技术效果,进而解决了对文本信息进行类型识别的识别效率较低的技术问题。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911018745.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top