[发明专利]关键词识别方法、装置、设备、介质及计算机程序产品

权利要求书

1.一种关键词识别方法，其特征在于，所述方法包括：

获取目标文本，所述目标文本为待进行关键词识别的文本；

对所述目标文本中的字符依次进行特征映射，得到与所述字符顺次对应的映射特征结果；

将第i个字符的映射特征结果与至少一个其他映射特征结果融合，得到所述第i个字符的字符特征，i为正整数；

对所述目标文本进行分词处理，得到所述目标文本中的至少两个分词词汇；

基于所述字符特征获取所述分词词汇的词汇特征；

对所述词汇特征进行关键词预测，得到所述词汇特征对应的第一关键词概率；对至少两个相邻词汇特征组成的候选特征进行关键词预测，得到所述候选特征对应的候选关键词概率；基于所述第一关键词概率和所述候选关键词概率确定所述目标文本对应的关键词概率；其中，所述候选特征通过将至少两个相邻词汇特征组成至少两个子序列，并对所述子序列进行特征计算得到；所述候选关键词概率通过对所述候选特征进行回归预测得到；

基于所述关键词概率确定所述目标文本对应的关键词；

其中，所述对所述子序列进行特征计算，包括：

将所述子序列通过卷积神经网络，其中，激活函数采用线性整流函数，对所述子序列进行特征计算的公式为：

其中，分别为所述子序列中的词汇特征的词向量，W₁，b₁是卷积神经网络的参数，“*”是互相关运算符，ReLU函数的公式为：

ReLU(x)＝max(x,0)

经过上述特征计算后，得到所述候选特征的向量表示

2.根据权利要求1所述的方法，其特征在于，所述对至少两个相邻词汇特征组成的候选特征进行关键词预测，得到所述候选特征对应的候选关键词概率，包括：

对相邻两个词汇特征组成的第一候选特征进行关键词预测，得到所述第一候选特征对应的第二关键词概率；

或，

对相邻三个词汇特征组成的第二候选特征进行关键词预测，得到所述第二候选特征对应的第三关键词概率。

3.根据权利要求1所述的方法，其特征在于，所述候选特征基于所述至少两个词汇特征对应的词汇数量，对所述至少两个相邻词汇特征进行特征计算得到。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述字符特征获取所述分词词汇的词汇特征，包括：

基于所述分词词汇，确定所述分词词汇中包含的至少一个分词字符，所述分词字符包含于所述字符中；

从所述目标文本的字符特征中获取所述分词字符对应的分词字符特征；

对所述分词字符特征进行向量计算，得到所述分词词汇的所述词汇特征。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述关键词概率确定所述目标文本对应的关键词，包括：

对所述关键词概率进行降序排序，基于排序结果确定所述目标文本对应的关键词；

或者，

将所述关键词概率达到预设概率阈值的关键词确定为所述目标文本对应的关键词。

6.根据权利要求5所述的方法，其特征在于，所述对所述关键词概率进行降序排序，基于排序结果确定所述目标文本对应的关键词，包括：

对所述关键词概率进行降序排序，得到关键词概率序列；

确定所述关键词概率序列中前n个关键词概率对应的关键词作为所述目标文本对应的关键词，n为正整数。

7.根据权利要求1至3任一项所述的方法，其特征在于，所述对至少一个词汇特征组成的候选特征进行关键词预测，得到至少一个候选特征对应的关键词概率，包括：

通过关键词识别模型对所述候选特征进行关键词预测，输出得到所述候选特征对应的关键词概率，其中，所述关键词识别模型为预先训练得到的模型。