一种关键词提取、模型训练方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114201953A(43)申请公布日2022.03.18(21)申请号202111509488.7(22)申请日2021.12.10(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人苑霸付志康齐冰洁(74)专利代理机构北京柏杉松知识产权代理事务所(普通合伙)11413代理人马敬孟维娜(51)Int.Cl.G06F40/205(2020.01)G06F40/258(2020.01)G06F40/30(2020.01)权利要求书4页说明书21页附图12页(54)发明名称一种关键词提取、模型训练方法、装置、设备及存储介质(57)摘要本公开提供了一种关键词提取、模型训练方法、装置、设备及存储介质，涉及数据处理技术领域，尤其涉及内容分发技术领域、自然语言处理技术领域。上述关键词提取方案为：获得待处理的目标文本；提取目标文本的文本特征；对目标文本的文本特征进行全局特征提取，得到目标文本的全局特征，其中，目标文本的全局特征用于表征目标文本整体所表达的语义；对目标文本的文本特征进行局部特征提取，得到目标文本的局部特征，其中，目标文本的局部特征用于表征目标文本中每一字符所在上下文所表达的语义；基于目标文本的全局特征以及局部特征，提取目标文本的关键词。应用本公开实施例提供的方案提取关键词时，能够提高所提取的关键词的准确度。CN114201953ACN114201953A权利要求书1/4页1.一种关键词提取方法，包括：获得待处理的目标文本；提取所述目标文本的文本特征；对所述目标文本的文本特征进行全局特征提取，得到所述目标文本的全局特征，其中，所述目标文本的全局特征用于表征所述目标文本整体所表达的语义；对所述目标文本的文本特征进行局部特征提取，得到所述目标文本的局部特征，其中，所述目标文本的局部特征用于表征所述目标文本中每一字符所在上下文所表达的语义；基于所述目标文本的全局特征以及局部特征，提取所述目标文本的关键词。2.根据权利要求1所述的方法，还包括：基于所述目标文本的局部特征，预测所述关键词的第一重要度。3.根据权利要求2所述的方法，其中，所述基于所述目标文本的局部特征，预测所述关键词的第一重要度，包括：基于所述目标文本的局部特征，预测所述关键词的重要度等级为每一预设重要度等级的可能度；基于所述关键词对应的可能度，从各预设重要等级中确定所述关键词的目标重要度等级；基于所述关键词对应的可能度，计算所述关键词在所述目标重要度等级下的第二重要度；基于所述关键词的目标重要度等级与第二重要度，确定所述关键词的第一重要度。4.根据权利要求3所述的方法，其中，所述基于所述目标文本的局部特征，预测所述关键词的重要度等级为每一预设重要度等级的可能度，包括：基于所述目标文本的局部特征，预测所述目标文本中每一字符的重要度等级为每一预设重要度等级的可能度；从所述目标文本中每一字符对应的可能度中确定所述关键词中每一字符对应的可能度；针对每一预设重要度等级，对所述关键词中每一字符的重要度等级为该预设重要度等级的可能度进行统计分析，将统计分析结果确定为关键词的重要度等级为每一预设重要度等级的可能度。5.根据权利要求1‑4中任一项所述的方法，其中，所述基于所述目标文本的全局特征以及局部特征，提取所述目标文本的关键词，包括：对所述目标文本的全局特征以及局部特征进行特征融合，得到第一融合特征；基于所述第一融合特征，提取所述目标文本的关键词。6.根据权利要求1‑4中任一项所述的方法，还包括：基于所述目标文本的全局特征以及局部特征，从各预设词语类型中确定所述目标文本的关键词的词语类型。7.根据权利要求1‑4中任一项所述的方法，其中，所述提取所述目标文本的文本特征，包括：基于所述目标文本中每一字符的上下文信息，采用多层编码方式对每一字符进行编码，得到预设数量层特征向量，作为所述目标文本的文本特征；2CN114201953A权利要求书2/4页所述对所述目标文本的文本特征进行全局特征提取，得到所述目标文本的全局特征，包括：提取所述预设数量层特征向量中最后一层的特征向量，确定为所述目标文本的全局特征；所述对所述目标文本的文本特征进行局部特征提取，得到所述目标文本的局部特征，包括：提取所述预设数量层特征向量中除最后一层的特征向量之外的特征向量，将提取得到的特征向量进行特征融合，得到第二融合特征；对所述第二融合特征进行局部特征提取，得到所述目标文本的局部特征。8.根据权利要求1‑4中任一项所述的方法，其中，所述提取所述目标文本的文本特征，包括：将所述目标文本输入预先训练的关键词提取模型中文本特征提取层，得到所述目标文本的文本特征；所述对所述目标文本的文本特征进行全