[发明专利]关键词生成方法、装置、设备及存储介质

权利要求书

1.一种关键词生成方法，其特征在于，包括：

获取训练文本对应的词向量矩阵；

将所述训练文本的词向量矩阵输入至基于注意力机制的双向长短期记忆人工神经网络模型，得到所述训练文本对应的文本表示矩阵；

根据所述文本表示矩阵与拼音维度的实际得分训练第一线性回归模型，得到所述训练文本对应的拼音维度的预测得分，根据所述拼音维度的预测得分与所述拼音维度的实际得分，确定第一损失函数值；根据所述第一损失函数值更新所述第一线性回归模型的拼音维度的权重矩阵和所述第一线性回归模型的拼音维度的偏置矩阵，得到训练好的第一线性回归模型；

根据所述文本表示矩阵与词性维度的实际得分训练第二线性回归模型，得到所述训练文本对应的词性维度的预测得分，根据所述词性维度的预测得分与所述词性维度的实际得分，确定第二损失函数值；根据所述第二损失函数值更新所述第二线性回归模型的词性维度的权重矩阵和所述第二线性回归模型的词性维度的偏置矩阵，得到训练好的第二线性回归模型；

根据所述文本表示矩阵与单词维度的实际得分训练第三线性回归模型，得到所述训练文本对应的单词维度的预测得分，根据所述单词维度的预测得分与所述单词维度的实际得分，确定第三损失函数值；根据所述第三损失函数值更新所述第三线性回归模型的单词维度的权重矩阵和所述第三线性回归模型的单词维度的偏置矩阵，得到训练好的第三线性回归模型；

获取目标文本对应的词向量矩阵；

将所述目标文本对应的词向量矩阵输入至神经网络模型，得到所述目标文本中每个词对应的得分，所述得分包括拼音维度的得分、词性维度的得分以及单词维度的得分，所述神经网络模型包括所述基于注意力机制的双向长短期记忆人工神经网络模型、所述第一线性回归 模型、所述第二线性回归 模型、所述第三线性回归 模型；

根据所述目标文本中每个词对应的得分，确定所述目标文本的搜索关键词。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标文本中每个词对应的得分，确定所述目标文本的搜索关键词，包括：

对所述拼音维度的得分、所述词性维度的得分以及所述单词维度的得分进行加权求和，得到所述目标文本中的每个词对应的最终得分；

将所述目标文本中的每个词根据最终得分从大到小进行排序，将排列在前的预设数量的词作为所述目标文本的搜索关键词。

3.根据权利要求1所述的方法，其特征在于，所述获取目标文本对应的词向量矩阵之前，还包括：

获取目标文本，对所述目标文本进行分词处理，得到所述目标文本对应的多个词；

对所述目标文本对应的多个词分别采用词向量模型进行处理，得到所述目标文本对应的词向量矩阵。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述目标文本对应的词向量矩阵输入至所述神经网络模型，得到所述目标文本中每个词对应的得分，包括：

将所述目标文本对应的词向量矩阵输入至所述基于注意力机制的双向长短期记忆人工神经网络模型，得到所述目标文本对应的所述文本表示矩阵；

根据所述训练好的第一线性回归模型中的拼音维度的权重矩阵、拼音维度的偏置矩阵以及所述文本表示矩阵，确定所述目标文本中每个词对应的拼音维度的得分。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述目标文本对应的词向量矩阵输入至所述神经网络模型，得到所述目标文本中每个词对应的得分，包括：

将所述目标文本对应的词向量矩阵输入至所述基于注意力机制的双向长短期记忆人工神经网络模型，得到所述目标文本对应的所述文本表示矩阵；

根据所述训练好的第二线性回归模型中词性维度的权重矩阵、词性维度的偏置矩阵以及所述文本表示矩阵，确定所述目标文本中每个词对应的词性维度的得分。