[发明专利]中心词提取模型生成方法及装置和中心词提取方法及装置

说明书

本申请公开了中心词提取模型生成方法及装置和中心词提取方法及装置，一方面，通过本申请中心词提取模型生成方法，将自然语言的句子转换到了一棵树型结构，巧妙地将中心词提取建模问题成一个依存句法分析的问题，将句子中的所有中心词都表示了出来，为后续将句子中的所有中心词提取出提供了保障。另一方面通过本申请中心词提取方法，将中心词提取任务转换成依存句法分析任务，巧妙地找到了句子中的所有中心词，更准确地获取了中心词，满足了真实电商场景的需求。

技术领域

本申请涉及但不限于计算机技术，尤指一种中心词提取模型生成方法及装置和中心词提取方法及装置。

背景技术

基于卷积深度网络的语义模型(CDSSM，Convolutional Deep StructuredSemantic Model)是一个基于分类的深度神经网络模型，CDSSM模型的输入是query和doc的词袋模型生成的向量，CDSSM模型通过词的n-gram和卷积池化操作来捕获上下文关系。但是，CDSSM在电商中心词提取任务中，对一个句子只能得到一个中心词输出。

相关技术中，采用CDSSM方法提取句子的中心词，大致包括：通过深度模型计算得到询问(query)或标题(title)与句子中每个词(term)的相似度分数；根据分数排序得到分数最高的term作为中心词。在按照相关技术获取中心词的方法中，仅通过分数排序选择最高的term作为中心词，这样对于一个句子来讲，只能得到一个中心词。其中，query为买家通过电商网站搜索商品使用的搜索词，比如baby clothes、mp3 mp4等；title为卖家在电商网站上填写的商品标题，比如direct factory bto12 razor barbed wire mesh等；term是指title或query中的单个单词(word)，举个例子来看，以query包括：mp3 mp4为例，那么，mp3和mp4都是term；中心词是标题或query中与待搜索商品最接近的词。需要说明的是，对于商品标题为中文的情况，会先对该句子进行分词处理，而后再确定中心词。

但是，真实电商场景非常复杂，一个标题或者query可能有多个中心词，相关技术提供的获取中心词的方法是无法适用这种场景的。

发明内容

本申请提供一种中心词提取模型生成方法及装置和中心词提取方法及装置，能够更准确地获取中心词，满足真实电商场景的需求。

本发明实施例提供了一种中心词提取方法，包括：

将待处理的信息输入训练好的中心词提取模型，得到所述信息对应的依存树；其中，在依存树中，所述信息的中心词之间建立关联关系，所述信息的非中心词之间建立关联关系；

根据中心词之间的关联关系和非中心词之间的关联关系，将获得的依存树转换为带有中心词标签的句子，所述句子中带有中心词标签的词为所述信息的中心词。

在一种示例性实例中，所述方法之前还包括生成所述中心词提取模型；包括：

对信息样本的中心词进行标注获取训练数据集；

对训练数据集进行依存句法分析，得到依存树数据集；

利用依存树数据集对预先设置的算法模型进行训练得到所述中心词提取模型。

在一种示例性实例中，所述根据中心词之间的关联关系和非中心词之间的关联关系，将获得的依存树转换为带有中心词标签的句子，包括：

在获得的所述依存树上，对句子中的每个词从左到右进行遍历，如果所述词的父亲节点是预先设置的中心词根节点，则从该词起是一个中心词；如果所述词的父亲节点是预先设置的非中心词根节点，该词是非中心词；

为所述中心词设置中心词标签。

在一种示例性实例中，所述将获得的依存树转换为带有中心词标签的句子的步骤还包括：