[发明专利]文本识别方法、装置、电子设备和介质

说明书

本公开提供了一种文本识别方法，包括：获取文本信息，文本信息包括多个字符，确定文本信息中的关键词，基于关键词确定特征向量，以及将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。其中，获取文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列。其中，属性标签序列包括多个属性标签，属性标签指示了文本所针对的对象的属性信息，多个属性标签与多个字符一一对应，以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。

技术领域

本公开涉及互联网技术领域，更具体地，涉及一种文本识别方法和一种文本识别装置、电子设备和介质。

背景技术

随着人工智能、自动控制、通信和计算机技术的快速发展，越来越多的人选择在网络上发表评论、观点等。例如用户可以在网络上发表对某件商品的评论。然而，用户在网络上发表的评论、观点等文本信息有很多属于垃圾信息。例如在某个对象的评价页面上针对另一对象进行评价，给用户带来很大的误导。因此，对用户发表的文本进行识别是非常重要的。

在相关技术中，在对文本信息进行识别时，通常需要对文本信息进行分词，以获取文本信息中的关键词，从而根据关键词来确定该文本是否属于垃圾文本信息。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下技术问题：难以准确地获得文本信息中的关键词，从而导致文本识别准确性较差的技术问题。

发明内容

有鉴于此，本公开提供了一种文本识别方法和一种文本识别装置、电子设备和介质。

本公开的一个方面提供了一种文本识别方法，包括：获取包括多个字符文本信息，确定文本信息中的关键词，基于关键词确定特征向量，以及将特征向量输入到分类模型中，以利用分类模型对特征向量进行分析而确定针对文本信息的识别结果。其中，确定文本信息中的关键词包括：将文本信息输入到深度学习模型，以由深度学习模型根据多个字符和多个字符中每个字符的上下文信息，确定多个字符的属性标签序列。其中，属性标签序列包括多个属性标签，属性标签指示了文本信息所针对的对象的属性信息，多个属性标签与多个字符一一对应；以及从属性标签序列中确定出满足预设条件的属性标签，并且根据满足预设条件的属性标签，确定文本信息中的关键词。

根据本公开的实施例，确定文本信息中的关键词还包括：将文本信息输入到分词模型中，利用分词模型对文本信息进行分词而获得关键词。

根据本公开的实施例，确定关键词的特征向量包括：确定关键词的词粒度特征向量；确定关键词的字粒度特征向量；以及通过将词粒度特征向量和字粒度特征向量进行融合来确定特征向量。

根据本公开的实施例，分类模型对特征向量进行分析而确定识别结果包括：分类模型包括多个长短期记忆网络层，依次经由多个长短期记忆网络层对特征向量进行特征提取，以获得深度特征信息；以及基于深度特征信息，对文本信息分类以确定识别结果。

根据本公开的实施例，分类模型还包括恒映射层、第一全连接层和输出层，基于深度特征信息，对文本信息分类以确定识别结果包括：由恒映射层对深度特征信息和输出信息进行融合，其中，输出信息是特征向量经由多个长短期记忆网络层中的第一个长短期记忆网络层处理而获得的；以及将恒映射层的输出结果输入到第一全连接层，以由第一全连接层对输出结果进行分析；以及经由输出层根据第一全连接层的分析结果来确定识别结果。

根据本公开的实施例，该方法还包括确定对象所属的类目，以及确定文本信息是否与类目相关，其中，确定文本信息中的关键词包括：在文本信息与类目相关的情况下，确定文本信息中的关键词。