文本素材的语义识别方法、装置、电子设备和可读介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114896982A(43)申请公布日2022.08.12(21)申请号202210500042.6G06F40/216(2020.01)(22)申请日2022.05.06G06F16/35(2019.01)(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人郭晓洁吴凌飞李恺健陈佳佳刁世亮何臻(74)专利代理机构北京律智知识产权代理有限公司11438专利代理师陈媛婧(51)Int.Cl.G06F40/30(2020.01)G06F40/289(2020.01)权利要求书3页说明书12页附图7页(54)发明名称文本素材的语义识别方法、装置、电子设备和可读介质(57)摘要本公开提供一种文本素材的语义识别方法、装置、电子设备和可读介质，其中，文本素材的语义识别方法包括：对待处理的文本素材进行分词处理，以得到分词；按照预设的关注点与关键词之间的对应关系对分词进行匹配处理；若匹配失败，则将文本素材输入至训练好的主题识别模型，主题识别模型输出文本素材对应于各个关注点的概率；根据文本素材对应于各个关注点的概率确定文本素材的语义主题。通过本公开实施例，提高了文本素材的语义识别的可靠性、准确性和效率。CN114896982ACN114896982A权利要求书1/3页1.一种文本素材的语义识别方法，其特征在于，包括：对待处理的文本素材进行分词处理，以得到分词；按照预设的关注点与关键词之间的对应关系对所述分词进行匹配处理；若匹配失败，则将所述文本素材输入至训练好的主题识别模型，所述主题识别模型输出所述文本素材对应于各个所述关注点的概率；根据所述文本素材对应于各个所述关注点的概率确定所述文本素材的语义主题。2.如权利要求1所述的文本素材的语义识别方法，其特征在于，还包括：若匹配成功，则根据所述分词对应的关注点确定所述文本素材的语义主题。3.如权利要求1所述的文本素材的语义识别方法，其特征在于，在对待处理的文本素材进行分词处理前，还包括：确定待训练的主题识别模型；将所述文本素材的样本和预设的关注点个数输入至所述待训练的主题识别模型进行训练，并记录每次训练的一致性分数；将最大的所述一致性分数对应的主题识别模型确定为初级训练后的所述主题识别模型。4.如权利要求3所述的文本素材的语义识别方法，其特征在于，在对待处理的文本素材进行分词处理前，还包括：在完成所述主题识别模型的初级训练后，确定所述关注点对应的文本素材的样本的数量；根据所述文本素材的样本的数量对所述关注点进行合并或拆分。5.如权利要求4所述的文本素材的语义识别方法，其特征在于，根据所述文本素材的样本的数量对所述关注点进行合并或拆分包括：确定所述文本素材的样本的数量与预设样本数量之间的大小关系；确定所述文本素材的样本的数量小于所述预设样本数量的关注点为第一类关注点；对多个所述第一类关注点进行合并。6.如权利要求4所述的文本素材的语义识别方法，其特征在于，根据所述文本素材的样本的数量对所述关注点进行合并或拆分还包括：确定所述文本素材的样本的数量与预设样本数量之间的大小关系；确定所述文本素材的样本的数量大于或等于所述预设样本数量的关注点为第二类关注点；将所述第一类关注点合并至所述第二类关注点；对所述第二类关注点进行切词；根据所述第二类关注点的切词结果进行拆分。7.如权利要求5或6所述的文本素材的语义识别方法，其特征在于，在对待处理的文本素材进行分词处理前，还包括：在完成所述关注点的合并或拆分后，更新所述关注点对应所述文本素材样本的概率；在完成全部所述关注点的概率更新后，确定所述主题识别模型训练完成。8.如权利要求1‑6中任一项所述的文本素材的语义识别方法，其特征在于，在对待处理的文本素材进行分词处理前，还包括：2CN114896982A权利要求书2/3页在完成所述主题识别模型的训练后，对所述关注点对应的文本素材的样本进行聚类处理；根据词频对聚类处理后的文本素材的样本进行关键字提取。9.如权利要求1‑6中任一项所述的文本素材的语义识别方法，其特征在于，根据所述文本素材对应于各个所述关注点的概率确定所述文本素材的语义主题包括：确定所述文本素材对应于各个所述关注点的概率；确定概率最大的关注点为第一类关注点，并根据所述第一类关注点确定所述文本素材的第一主题；将所述主题识别模型中除所述第一类关注点外的关注点确定为第二类关注点；计算所述第一类关注点的概率与所述第二类关注点的概率之间的概率差；判断所述概率差是否小于或等于预设概率差；若判定所述概率差小于或等于所述预设概率差，则根据所述第二类关注点确定所述文本素材的第二主题，根据所述第一主题和