[发明专利]文本分类模型的训练样本生成方法、装置和电子设备

权利要求书

1.一种文本分类模型的训练样本生成方法，所述方法包括以下步骤：

获取目标内容类型的种子词，以及获取所述种子词作为搜索词，搜索得到多篇目标文本；

将所述多篇目标文本分别作为训练样本标注所述目标内容类型，以生成所述目标内容类型的训练样本集合；

根据所述训练样本集合中的多个所述训练样本，生成关键词；

根据所述关键词，更新所述种子词；以及

将更新后的所述种子词作为搜索词，再次进行搜索，并将再次搜索到的目标文本作为训练样本标注所述目标内容类型，并添加至所述训练样本集合。

2.根据权利要求1所述的训练样本生成方法，其中，所述根据所述训练样本集合中的多个所述训练样本，生成关键词，包括：

根据所述种子词，从所述训练样本集合中，确定标题或摘要中包含所述种子词的多个目标样本；

分别对每一个所述目标样本提取多个候选关键词；

确定每一个所述候选关键词与所述目标样本之间的语义相关度；以及

根据每一个所述候选关键词与所述目标样本之间的所述语义相关度，对多个所述候选关键词进行筛选，以得到所述关键词。

3.根据权利要求2所述的训练样本生成方法，其中，所述分别对每一个所述目标样本提取多个候选关键词之后，还包括：

确定每一个所述候选关键词与所述种子词之间的语义相关度；以及

根据每一个所述候选关键词与所述种子词之间的语义相关度，对多个所述候选关键词进行筛选。

4.根据权利要求1所述的训练样本生成方法，其中，所述根据所述关键词，更新所述种子词，包括：

根据所述关键词与所述种子词在所述训练样本集合中的共现次数，选取所述关键词，以采用选取的所述关键词更新所述种子词。

5.根据权利要求1-4任一项所述的训练样本生成方法，其中，所述获取目标内容类型的种子词，包括：

将所述目标内容类型的类别名作为初始种子词；

查询所述日志，以得到与所述初始种子词搜索到相同文本的扩展种子词；以及

将所述初始种子词和所述扩展种子词，作为所述目标内容类型的种子词。

6.根据权利要求5所述的训练样本生成方法，其中，所述查询所述日志，以得到与所述初始种子词搜索到相同文本的扩展种子词，包括：

查询所述日志，得到将所述初始的种子词作为搜索词的多条第一搜索记录；

根据多条所述第一搜索记录，确定存在浏览操作的文本的标题；

将搜索到所述标题的搜索词，作为所述扩展种子词。

7.根据权利要求6所述的训练样本生成方法，其中，所述将搜索到所述标题的搜索词，作为所述扩展种子词之前，还包括：

针对每一条所述第一搜索记录，生成所述标题与所述初始的种子词的二元组信息；

根据所述二元组信息的出现频次，对所述标题进行筛选。

8.根据权利要求1-4任一项所述的训练样本生成方法，其中，所述搜索得到多篇目标文本，包括：

查询日志，得到将所述种子词作为搜索词的多条第二搜索记录；

根据多条所述第二搜索记录，确定存在浏览操作的多篇浏览文本；以及

根据多篇所述浏览文本的浏览次数，从多篇所述浏览文本中选取所述目标文本。

9.一种训练样本生成装置，所述装置包括：

获取模块，用于获取目标内容类型的种子词，以及获取所述种子词作为搜索词，搜索得到多篇目标文本；

标注模块，用于将所述多篇目标文本分别作为训练样本标注所述目标内容类型，以生成所述目标内容类型的训练样本集合；

提取模块，用于根据所述训练样本集合中的多个所述训练样本，生成关键词；

更新模块，用于根据所述关键词，更新所述种子词；以及

执行模块，用于将更新后的所述种子词作为搜索词，再次进行搜索，并将再次搜索到的目标文本作为训练样本标注所述目标内容类型，并添加至所述训练样本集合。