[发明专利]一种调文章标注的方法及系统

说明书

本发明提供一种调文章标注的方法及系统，包括，获取目标文本，并识别所述目标文本中的语句及每个语句中的词语；通过预设的语义匹配模型统计预处理后的目标文本中每个词语的出现频率，根据预设的权重阈值对统计结果进行筛选，得到候选标签；通过预设的向量模型对候选标签进行合并，得到最终的标签，并通过所述最终的标签对目标文本进行标注。本发明实现文章自动打标签。从文章归类、文章筛选、文章推荐三个角度辅助文章管理，针对运行日报等结构化文档，可实现机器自动打标签，大幅提升文章识别效率，减轻文章归类筛选管理负担。

技术领域

本发明涉及文章标注技术领域，特别是涉及一种调文章标注的方法及系统。

背景技术

随着网络信息技术的飞速发展，当今正处于网络信息爆炸的时代，新闻、公众号文章、微博等不同类别文章覆盖了人们日常工作、生活和学习的各个方面。通过对文章标签分类，以精准的向用户推荐想要看到内容，不仅能够降低用户获取有效信息的成本，还能够延长用户访问的时间，提高产品的转化率。但是，如何对文章的标题和内容进行深度分析，输出能够反映文章关键信息的主题、话题、实体等多维度标签以及对应的置信度成为目前的一大难点。

发明内容

本发明的目的在于，提出一种文章标注的方法及系统，解决如何对文章的标题和内容进行深度分析，输出能够反映文章关键信息的标签的技术问题。

一方面，提供一种调文章标注的方法，包括：

获取目标文本，并识别所述目标文本中的语句及每个语句中的词语；

通过预设的语义匹配模型统计预处理后的目标文本中每个词语的出现频率，根据预设的权重阈值对统计结果进行筛选，得到候选标签；

通过预设的向量模型对候选标签进行合并，得到最终的标签，并通过所述最终的标签对目标文本进行标注。

优选地，所述得到候选标签具体包括：

将统计的每个词语的出现频率与预设的权重阈值比较；

若某个词语的出现频率小于预设的权重阈值，则将该词语判定为候选标签；

若某个词语的出现频率大于等于预设的权重阈值，则将该词语判定为常用词语并过滤掉该词语。

优选地，还包括：

当得到候选标签时，通过预设的语义匹配模型将每个候选标签的出现频率与预设的标准值进行比较，根据每个候选标签的出现频率与预设的标准值的差值对每个候选标签匹配对应的权重值。

优选地，所述通过预设的向量模型对候选标签进行合并具体包括：

预设的向量模型将候选标签转换成对应的向量，并将与所述候选标签对应的向量作为目标文本的特征项；

将所述候选标签对应的权重值作为对应特征项的权重值。

优选地，所述通过预设的向量模型对候选标签进行合并还包括：

预设的向量模型根据特征项及对应的权重值确定与所述候选标签对应的夹角余弦值；

当多个所述候选标签的夹角余弦值的差值在预设的合并阈值范围内时，判定所述多个所述候选标签相近或相似，并将所述多个所述候选标签合并为一个最终的标签。

另一方面，还提供一种调文章标注的系统，用以实现所述的调文章标注的方法，包括：

预处理模块，用以获取目标文本，并识别所述目标文本中的语句及每个语句中的词语；

标签模块，用以通过预设的语义匹配模型统计预处理后的目标文本中每个词语的出现频率，根据预设的权重阈值对统计结果进行筛选，得到候选标签；