[发明专利]用户标签匹配方法、装置、设备及存储介质

说明书

本发明涉及大数据领域，公开了一种用户标签匹配方法、装置、设备及存储介质。用户标签匹配方法包括：获取包含用户标签的多个文本；对包含用户标签的所述各文本进行切分，得到对应的多个切分组合；基于动态规划算法，计算所述各切分组合中的最大概率组合，得到最优切分组合；对所述最优切分组合中的第一切分词进行位置标注，生成位置标注信息，并根据位置标注信息构建倒排索引；接收用户标签匹配请求，并根据所述位置标注信息对所述请求进行索引，输出与所述请求匹配的用户标签。本发明可以快速精准的匹配用户标签。

技术领域

本发明涉及大数据领域，尤其涉及一种用户标签匹配方法、装置、设备及存储介质。

背景技术

工作单位作为授薪人士主要收入来源载体，经常会跟随用户出现在包含但不限于“借贷申请信息填写、券商开户、理财用户画像标签”等众多场景，且用户在线上即可办理相关业务，给用户提供了极大的便利。

但是，受限于工商标准的用户标签相对冗长复杂，用户输入耗时长且易出错，而错误的用户标签会给后续核验环节带来众多麻烦。传统的解决方案要求用户输入相对完整的用户标签，后台依据用户输入的信息进行关键字匹配，返回批量用户标签，然后由用户手动选择准确用户标签，这会给用户带来很大困扰，如何使用户输入少量关键词即可高效精准的匹配对应的用户标签，这已成为行业亟需解决的技术问题。

发明内容

本发明的主要目的在于解决用户标签匹配准确度不高的技术问题。

本发明第一方面提供了一种用户标签匹配方法，包括：

获取包含用户标签的多个文本；

对包含用户标签的所述各文本进行切分，得到对应的多个切分组合；

基于动态规划算法，计算所述各切分组合中的最大概率组合，得到最优切分组合；

对所述最优切分组合中的第一切分词进行位置标注，生成位置标注信息，并根据位置标注信息构建倒排索引；

接收用户标签匹配请求，并根据所述位置标注信息对所述请求进行索引，输出与所述请求匹配的用户标签。

可选的，在本发明第一方面的第一种实现方式中，在所述获取包含用户标签的多个文本之后，还包括：

将所述各文本导入预置语料库，其中，所述语料库包括自定义词表和停用词表，所述自定义词表包含多个用户标签；

对所述各文本进行数据清洗，以剔除所述各文本中的异常字符。

可选的，在本发明第一方面的第二种实现方式中，所述对包含用户标签的所述各文本进行切分，得到对应的多个切分组合包括：

加载所述自定义词表及所述停用词表，建立字典树；

利用结巴分词方法，根据所述自定义词表及所述停用词表对所述各文本进行分词，得到多个第二切分词及多个第二切分词权重；

将所述多个第二切分词及所述多个第二切分词权重写入所述字典树；

基于所述字典树，对所述各第二切分词进行词图扫描，生成对应的有向无环图，其中，所述有向无环图包括所述各文本对应的多个切分组合。

可选的，在本发明第一方面的第三种实现方式中，所述利用结巴分词方法，根据所述自定义词表及所述停用词表对所述各文本进行分词，得到多个第二切分词及多个第二切分词权重包括：

利用结巴分词方法，根据所述自定义词表及所述停用词表对所述各文本进行分词和词性标注，得到带有词性标注信息的多个关键词；

基于TF-IDF算法，对所述多个关键词数据进行计算，得到所述各关键词对应的多个TF值及多个IDF值；