[发明专利]标签抽取方法、装置、设备及存储介质

权利要求书

1.一种标签抽取方法，其特征在于，包括：

针对每一待抽取的目标文本，对所述目标文本进行预处理，得到多个词语，以及对多个所述词语进行组合，得到多个词语组合；

针对每一所述目标文本，基于所述目标文本对应的多个所述词语、多个所述词语组合确定所述目标文本的文本向量；

基于各所述目标文本的文本向量，对多个所述目标文本进行聚类，得到多个类簇；

针对每一所述类簇，从所述类簇包含的至少一个所述目标文本中抽取目标标签。

2.根据权利要求1所述的方法，其特征在于，所述针对每一待抽取的目标文本，对所述目标文本进行预处理，得到多个词语，包括：

针对每一待抽取的目标文本，删除所述目标文本中，存在于预设话术库中的目标话术；

对已删除所述目标话术的目标文本进行分词处理，得到多个初始词语；

删除多个所述初始词语中的停用词，得到多个词语。

3.根据权利要求1所述的方法，其特征在于，所述对多个所述词语进行组合，得到多个词语组合，包括：

按照多个所述词语在所述目标文本中的排列顺序，依次针对每一所述词语，将所述词语与其之后的N个词语进行组合，得到多个词语组合，所述N为小于M的正整数，所述M为多个所述词语的总数目与1的差值。

4.根据权利要求1或3所述的方法，其特征在于，在所述对多个所述词语进行组合，得到多个词语组合之后，所述方法还包括：

确定每一所述词语组合在所属维度的所有词语组合中的出现次数，删除出现次数小于设定次数阈值的词语组合，其中，采用相同的N值组合得到的多个词语组合属于相同维度，采用不同的N值组合得到的多个词语组合属于不同维度。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标文本对应的多个所述词语、多个所述词语组合确定所述目标文本的文本向量，包括：

确定所述目标文本对应的多个所述词语、多个所述词语组合各自的词频值和逆文本频率值；

将所述目标文本对应的多个所述词语、多个所述词语组合分别输入至已训练的权重预测模型，得到各所述词语、各所述词语组合各自对应的权重值；

将所述词语、所述词语组合分别对应的所述词频值、所述逆文本频率值、所述权重值进行设定运算，得到每一所述词语、所述词语组合对应的运算结果；

基于所述目标文本对应的各所述词语、所述词语组合对应的运算结果，确定所述目标文本的文本向量。

6.根据权利要求1所述的方法，其特征在于，所述基于各所述目标文本的文本向量，对多个所述目标文本进行聚类，得到多个类簇，包括：

基于各所述目标文本对应的所述文本向量，对多个所述目标文本进行聚类，得到多个类簇；

确定当前的多个所述类簇中的杂项簇；

确定所述杂项簇中所述目标文本的数量是否满足设定条件；

若否，则基于所述杂项簇中所述目标文本对应的所述文本向量，对所述杂项簇中的所述目标文本进行聚类，得到多个类簇，并返回执行所述确定当前的多个所述类簇中的杂项簇的步骤，直至确定所述杂项簇中所述目标文本的数量满足所述设定条件。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

针对每一所述类簇，从所述类簇包含的至少一个所述目标文本中提取多个关键词；

将多个所述关键词归入所述类簇对应的所述目标标签的词包中。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

从预设的词库中查找与所述关键词相匹配的词语；

将查找到的，与所述关键词相匹配的词语归入所述关键词所属的所述词包中。