[发明专利]一种主题提取方法、装置、终端及存储介质

说明书

本申请公开了一种主题提取方法、装置、终端及存储介质，该方法可以获取待提取文本，响应在所述待提取文本中识别出标签起始符号，确定所述标签起始符号之后是否存在预设的标签结束符号；若所述标签起始符号之后存在标签结束符号，将所述标签起始符号和所述标签结束符号之间的文本内容确定为所述待提取文本的目标主题；若所述标签结束符号与所述标签起始符号的类型相同，则确定所述标签结束符号之后是否还存在新的标签结束符号，若是，则还将所述标签结束符号和所述新的标签结束符号之间的文本内容确定为所述待提取文本的目标主题。本方案可以降低遗漏标签和过度提取的概率，进一步提高标签提取结果的准确度。

技术领域

本申请涉及计算机技术领域，具体涉及一种主题提取方法、装置、终端及存储介质。

背景技术

当前主流的资讯类应用程序中，存在双井号识别模式和单井号识别模式两种方式。在一些使用单井号提取模式的应用程序中，每个标签以井号开头，以空格或标点符号为结尾，若含有多个井号，则每个井号均向后提取出一个标签；但对于双井号标签可能会过度提取，提取出两个标签，第二个标签以标点处为结尾，将普通的正文内容也错误提取为了长标签。在一些使用双井号提取模式的应用程序中，只有以井号开头，同时以井号结尾，两个井号之间的内容才会被提取为一个标签，若只开头或结尾含有井号，不提取标签；但无法识别单井号标签，直接处理为普通正文。

因此，现有技术需要改进。

发明内容

本申请实施例提供一种主题提取方法、装置、终端及存储介质，可以降低遗漏标签和过度提取的概率，进一步提高标签提取结果的准确度。

本申请实施例提供一种主题提取方法，包括：

获取待提取文本；

响应在所述待提取文本中识别出标签起始符号，确定所述标签起始符号之后是否存在预设的标签结束符号；

若所述标签起始符号之后存在所述标签结束符号，将所述标签起始符号和所述标签结束符号之间的文本内容确定为所述待提取文本的目标主题；

若所述标签结束符号与所述标签起始符号的类型相同，则确定所述标签结束符号之后是否还存在新的标签结束符号，若是，则还将所述标签结束符号和所述新的标签结束符号之间的文本内容确定为所述待提取文本的目标主题。

在一个可选的实施例中，所述标签结束符号包括第一标签符号，所述第一标签符号与所述标签起始符号的类型不同，所述若所述标签起始符号之后存在预设的标签结束符号，将所述标签起始符号和所述标签结束符号之间的文本内容确定为所述待提取文本的目标主题，包括：

若所述标签起始符号的数量为至少两个，确定顺序相邻的两个标签起始符号之间的文本内容中是否存在所述第一标签符号；

若是，则将所述顺序相邻的两个标签起始符号在前的标签起始符号与距离最近的所述第一标签符号之间的文本内容确定为所述待提取文本的目标主题，若在后的标签起始符号为最后一个标签起始符号且所述最后一个标签起始符号之后还存在所述第一标签符号，则还将所述最后一个标签起始符号和所第一标签符号之间的文本内容确定为所述待提取文本的目标主题；

若否，确定所述顺序相邻的两个标签起始符号中在后的标签起始符号为在前的标签起始符号对应的标签结束符号，将所述顺序相邻的两个标签起始符号之间的文本内容确定为所述待提取文本的目标主题。

在一个可选的实施例中，所述若所述标签起始符号之后存在预设的标签结束符号，将所述标签起始符号和所述标签结束符号之间的文本内容确定为所述待提取文本的目标主题，包括：

若所述标签结束符号为所述待提取文本中最后一个标签起始符号，确定所述标签结束符号之后是否还存在所述第一标签符号，若是，则还将所述标签结束符号和所述第一标签符号之间的文本内容确定为所述待提取文本的目标主题。