[发明专利]一种文档标签的确定方法、系统及计算机设备

权利要求书

1.一种文档标签的确定方法，其特征在于，包括如下步骤：

标签抽取步骤，抽取待抽取文档中不同标签类型的候选标签；

标签处理步骤，根据预设规则对不同标签类型的所述候选标签及其在所述待抽取文档中的位置赋予相应的分数；

标签确定步骤，对所述待抽取文档中不同标签类型的所述候选标签的分数和其位置分数进行累加，统计出所有所述候选标签的最终得分数，根据所述最终得分数对所有所述候选标签进行排序，并根据预设阈值和排序结果确定所述待抽取文档中的目标标签。

2.根据权利要求1所述的文档标签的确定方法，其特征在于，所述标签确定步骤中统计出所有所述候选标签的最终得分数的方法，具体包括：

当所述候选标签属于单一标签类型时，以此标签类型不同位置的相同所述候选标签的分数和其位置分数的累加和作为最终得分数；

当所述候选标签属于两种以上标签类型时，分别计算一种标签类型的所述候选标签的第一得分数，所述第一得分数等于此标签类型不同位置的相同所述候选标签的位置分数和不同标签类型不同位置的相同所述候选标签的分数的累加和，以不同标签类型的相同所述候选标签的所述第一得分数的累加和作为最终得分数。

3.根据权利要求1所述的文档标签的确定方法，其特征在于，所述标签抽取步骤中所述候选标签的标签类型包括：实体标签、名词短语标签及历史标签。

4.根据权利要求3所述的文档标签的确定方法，其特征在于，所述标签抽取步骤中抽取待抽取文档中的实体标签的方法，具体包括：

采用基于词典的方法，和/或基于深度学习神经网络的方法抽取所述待抽取文档中的实体标签。

5.根据权利要求4所述的文档标签的确定方法，其特征在于，所述标签抽取步骤中所述实体标签包括：文档标题实体、文档内容中的产品实体、部门实体、作者实体及文档类型实体。

6.根据权利要求3所述的文档标签的确定方法，其特征在于，所述标签抽取步骤中抽取待抽取文档中名词短语标签的方法，具体包括：

根据Spacy模型解析所述待抽取文档的依存关系，并识别所述待抽取文档中的实体；

基于所述依存关系，抽取所述待抽取文档中的名词短语；

对token数大于1的所述名词短语进行整合；

将识别得到的所述实体和整合后的所述名词短语进行合并，确定所述待抽取文档中的所述名词短语标签。

7.根据权利要求3所述的文档标签的确定方法，其特征在于，所述标签抽取步骤中抽取待抽取文档中历史标签的方法，具体包括：

将所述待抽取文档与历史标签数据库进行匹配，若匹配成功，则从所述待抽取文档中抽取所述历史标签；

判断所述历史标签中是否包括上下文边界验证失败的所述历史标签，若是，则过滤掉上下文边界验证失败的所述历史标签。

8.根据权利要求1所述的文档标签的确定方法，其特征在于，还包括：

文本抽取步骤，根据所述目标标签及其在所述待抽取文档中的位置，抽取所述目标标签所在的上下文。

9.一种实现如权利要求1至8中任一项所述的文档标签的确定方法的系统，其特征在于，包括：

标签抽取单元，用于抽取待抽取文档中不同标签类型的候选标签；

标签处理单元，用于根据预设规则对不同标签类型的所述候选标签及其在所述待抽取文档中的位置赋予相应的分数；

标签确定单元，用于对所述待抽取文档中不同标签类型的所述候选标签的分数和其位置分数进行累加，统计出所有所述候选标签的最终得分数，根据所述最终得分数对所有所述候选标签进行排序，并根据预设阈值和排序结果确定所述待抽取文档中的目标标签。

10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的文档标签的确定方法。