[发明专利]一种标签的提取方法、装置、设备及可读存储介质

说明书

本申请实施例提供了一种标签的提取方法、装置、设备及可读存储介质，对获取的文本进行处理，得到候选词集合。依据参数，计算候选词的初始权重值，依据初始权重值和预设的权重迭代算法，计算候选词集合中的词的第一权重值。依据第一权重值以及调整系数，确定候选词集合中的词的第二权重值，依据第二权重值，从候选词集合中选择文本的标签。目标候选词的参数至少包括目标候选词的词频、目标候选词的词长和/或目标候选词的词跨度，目标候选词的调整系数包括第一调整系数和/或第二调整系数，可见，本方法结合了词长、词跨度和调整系数，而非仅有词频，不仅能够降低对于词频的依赖程度，更能从多个维度获取权重，从而提高标签提取的准确性。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种标签的提取方法、装置、设备及可读存储介质。

背景技术

文本的标签是能够表达文本核心内容的词语，该词语有助于对文本进行简单的描述和分类，例如，在新闻资讯领域中，文本资讯数据具有数量大，内容鱼目混杂、难以精确推送、读者阅读困难等难点，资讯文本的标签有助于文本资讯的内容分类、汇集、检索以及后续的个性化推荐，但是，现有的标签提取算法，提取的标签的准确性不高，即标签不能表示文本的核心内容。

发明内容

申请人在研究的过程中发现，现有的标签的提取方法，过度依赖词频这一个因素，所以，提取的标签准确性不高。

有鉴于此，本申请提供了一种标签的提取方法、装置、设备及可读存储介质，用于提高标签的准确性，如下：

一种标签的提取方法，包括：

获取文本；

对所述文本进行处理，得到候选词集合，所述处理至少包括分词处理；

依据参数，计算所述候选词的初始权重值，其中，目标候选词的所述参数至少包括所述目标候选词的词频、所述目标候选词的词长和/或所述目标候选词的词跨度，所述目标候选词的词跨度为所述目标候选词在所述文本中，按照所述文本顺序，首次出现的位置与末次出现的位置之间的文本长度；所述目标候选词为所述候选词集合中的任意一个词；

依据所述初始权重值和预设的权重迭代算法，计算所述候选词集合中的词的第一权重值；

依据所述第一权重值以及调整系数，确定所述候选词集合中的词的第二权重值，所述调整系数包括第一调整系数和/或第二调整系数，所述目标候选词的所述第一调整系数依据所述目标候选词指示的领域预先设置，所述目标候选词的所述第二调整系数依据所述目标候选词指示的对象预先设置；

依据所述第二权重值，从所述候选词集合中选择所述文本的标签。

可选地，获取文本包括：

对原始文本进行清洗，得到所述文本，所述清洗包括：去除预设类型的字符、将字符转换为预设格式中的至少一项。

可选地，处理还包括：

在所述分词处理之前，删除所述文本中的预设类型的内容。

可选地，处理还包括：

在所述分词处理之前，检测目标字符，所述目标字符为所述文本中处于预设位置的字符；

在所述文本中所述目标字符的前或后相邻位置，将所述目标字符复制N倍，所述N依据所述预设位置预先设置。

可选地，处理还包括：

在所述分词处理之后，对所述分词处理的结果进行词清洗，所述词清洗包括将相同含义的词统一表述。

可选地，词清洗还包括：

去除预设的停用词和/或无效词。

可选地，依据所述第二权重值，从所述候选词集合中选择所述文本的标签，包括：