CN110472020A - 提取修饰词的方法和装置 - Google Patents
提取修饰词的方法和装置 Download PDFInfo
- Publication number
- CN110472020A CN110472020A CN201810437544.2A CN201810437544A CN110472020A CN 110472020 A CN110472020 A CN 110472020A CN 201810437544 A CN201810437544 A CN 201810437544A CN 110472020 A CN110472020 A CN 110472020A
- Authority
- CN
- China
- Prior art keywords
- qualifier
- score value
- word
- language model
- entity word
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例提供一种提取修饰词的方法和装置,能够丰富自然语言生成过程中修饰实体词的修饰词。该方法包括:利用实体词对原始语料进行分类,以得到若干类子原始语料;对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种提取修饰词的方法和装置。
背景技术
在自然语言生成领域,例如短文本生成的过程,一般是生成一些模板,对相关的特定类型的词语进行替换。例如物品的短文本标题的生成方法中,通常需要预备数量充分、可多元化搭配的修饰词,用以放入模板中对描述物品的实体词进行搭配。
为了丰富自然语言生成的语料,目前对于修饰词提取,大多采用基于词典的方法,先预先建立修饰词典,在对短文本进行分词之后,采用遍历的方式去抽取修饰词。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
基于词典的方法虽然比较稳定,但是由于词典的局限,无法发现一些新词;而且在自然语言生成领域,基于词典的提取方法无法判断修饰词的情感倾向,也无法判断其与实体词的搭配是否合理。
发明内容
有鉴于此,本发明实施例提供一种提取修饰词的方法和装置,能够丰富自然语言生成过程中修饰实体词的修饰词。
为实现上述目的,根据本发明实施例的一个方面,提供了一种提取修饰词的方法。
本发明实施例的一种提取修饰词的方法包括:利用实体词对原始语料进行分类,以得到若干类子原始语料;对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
可选地,利用实体词对原始语料进行分类包括:利用实体词按照倒排的方式对原始语料进行分类;和/或利用K-means算法对原始语料进行聚类。
可选地,按照预设打分方式计算各修饰词的分值包括:利用预设情感分析模型计算各修饰词的情感倾向分值;和/或利用预设语言模型计算各修饰词与对应的实体词的语言模型分值。
可选地,提取分值符合预设阈值的修饰词包括:提取情感倾向分值大于预设情感阈值的修饰词;和/或提取语言模型分值小于预设语言模型阈值的修饰词;和/或提取情感倾向分值大于预设情感阈值的修饰词,并从所述情感倾向分值大于预设情感阈值的修饰词中提取语言模型分值小于预设语言模型阈值的修饰词。
为实现上述目的,根据本发明实施例的另一个方面,提供了一种提取修饰词的装置。
本发明实施例的一种提取修饰词的装置包括:分类模块,用于利用实体词对原始语料进行分类,以得到若干类子原始语料;标注模块,用于对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;提取模块,用于按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
可选地,分类模块还用于:利用实体词按照倒排的方式对原始语料进行分类;和/或利用K-means算法对原始语料进行聚类。
可选地,提取模块还用于:利用预设情感分析模型计算各修饰词的情感倾向分值;和/或利用预设语言模型计算各修饰词与对应的实体词的语言模型分值。
可选地,提取模块还用于:提取情感倾向分值大于预设情感阈值的修饰词;和/或提取语言模型分值小于预设语言模型阈值的修饰词;和/或提取情感倾向分值大于预设情感阈值的修饰词,并从所述情感倾向分值大于预设情感阈值的修饰词中提取语言模型分值小于预设语言模型阈值的修饰词。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种的电子设备。
本发明实施例的的电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例的提取修饰词的方法。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的提取修饰词的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用了分词与词性标注技术,利用分词与词性标注结果,抽取出修饰词候选集,然后根据预设的提取逻辑提取符合要求的修饰词,从而可以丰富自然语言生成过程中用于修饰实体词的修饰词语料;通过使用情感倾向分析模型分析修饰词的情感倾向,使用语言模型分析搭配是否合理,从而能够提取出情感倾向满足预设要求(例如情感倾向为正向)的修饰词,以及与待描述物品的实体词搭配合理的修饰词;通过利用分类或聚类的方法,从而可以将原始语料进行聚类,从而生成以特定实体词进行分类的子原始语料,从而可以方便后续利用语言模型对搭配的合理性进行评判。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的提取修饰词的方法的主要步骤的示意图;
图2是根据本发明实施例的提取修饰词的方法的主要流程的示意图;
图3是根据本发明实施例的提取修饰词的方法的详细步骤的示意图;
图4是根据本发明实施例的提取修饰词的方法对物品标题进行分词和词性标注的结果示意图;
图5是本发明实施例中词性标注对照表的示意图;
图6是根据本发明实施例的提取修饰词的方法计算语言模型分值的结果示意图;
图7是根据本发明实施例的提取修饰词的装置的主要模块的示意图;
图8是本发明实施例可以应用于其中的示例性***架构图;
图9是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
自然语言生成(Nature Language Generation,NLG)的过程可被分为三个阶段:
1、文本规划:完成结构化数据中基础内容的规划。
2、语句规划:从结构化数据中组合语句,来表达信息流。
3、实现:产生语法通顺的语句来表达文本。
本发明实施例属于第一阶段,主要以短文本数据作为原始语料,例如物品标题等,提出了提取修饰词的技术方案,并涉及大数据处理领域。
具体来说,在自然语言生成的过程中,以物品的软文广告标题生成为例,一般是预先生成标题模板,然后对与实体词相关的修饰词做替换。此处的实体词是用来描述物品的主题词或者核心词等信息,例如“手机”、“电视”、“外套”等,修饰词是指用于修饰实体词的形容词或者名词性形容词。本发明实施例的目的便是从原始语料(例如物品标题、物品的短文本数据)中提取修饰词,供模板替换使用。此外,还可以根据提取需求,提取特定情感倾向的(例如情感倾向为正向的,正向即指用于对名词进行正面评价的形容词或名词性形容词,例如漂亮、美丽、优雅、耐用等)、且与实体词搭配合理的修饰词,供文本生成使用。
图1是根据本发明实施例的提取修饰词的方法的主要步骤的示意图,如图1所示,本发明实施例的提取修饰词的方法主要包括如下步骤:
步骤S101:利用实体词对原始语料进行分类,以得到若干类子原始语料。该步骤的目的在于将原始语料进行分类,例如根据实体词(如描述物品的主题词、核心词等)对原始语料进行分类,以便后续提取特定修饰词时,可以方便判断实体词与修饰词的搭配合理性。
本发明实施例中,利用实体词对原始语料进行分类可以包括:利用实体词按照倒排的方式对原始语料进行分类;和/或利用K-means算法对原始语料进行聚类。
以物品的短文本数据为例,使用物品的实体词作为输入要素信息对物品短文本数据进行分类。此处,实体词可以是指物品对应的三级类目信息)。每一个物品短文本数据都对应着一个输入要素信息,该信息可以作为物品短文本数据的标签。实际操作中可以对已有的物品短文本数据(即原始语料)做了一个倒排(倒排,即原始语料是以“物品短文本数据——标签”的格式呈现,此处通过倒排让其变为“标签——物品短文本数据”的格式),如此,可以直接得到原始语料的分类结果。此外,对于无标签的物品短文本数据,还可以通过聚类的方式来进行,例如基于K-means算法实现物品短文本数据的聚类,同样可以得到若干类子原始语料。
步骤S102:对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词。
在步骤S102完成词性标注和修饰词选取之后,继续步骤S103,进行修饰词的提取。
步骤S103:按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
其中,按照预设打分方式计算各修饰词的分值可以但不限于包括:利用预设情感分析模型计算各修饰词的情感倾向分值;和/或利用预设语言模型计算各修饰词与对应的实体词的语言模型分值。同样,提取分值符合预设阈值的修饰词可以但不限于包括:提取情感倾向分值大于预设情感阈值的修饰词;和/或提取语言模型分值小于预设语言模型阈值的修饰词;和/或提取情感倾向分值大于预设情感阈值的修饰词,并从所述情感倾向分值大于预设情感阈值的修饰词中提取语言模型分值小于预设语言模型阈值的修饰词。
图2是根据本发明实施例的提取修饰词的方法的主要流程的示意图。如图2所示,本发明实施例的提取修饰词的方法的主要流程如下:
(1)根据相关主题,对原始语料进行分类/聚类处理形成句子流(即若干类的子原始语料);
(2)对句子流进行分词与词性标注;
(3)遍历(2)的结果,找出所有词性为形容词或名词性形容词的修饰词;
(4)分析每一个修饰词的情感倾向分值,设定预设情感阈值过滤出具有正面情感倾向的修饰词;
(5)使用语言模型对“修饰词”+“实体词”的搭配进行打分,判断该修饰词与相应主题的实体词的搭配是否合理(本发明实施例中,可以基于神经网路语言模型对搭配的合理性进行计算,分值越低表示搭配越合理);
(6)根据预设的语言模型阈值完成修饰词提取。
图3是根据本发明实施例的提取修饰词的方法的详细步骤的示意图。
如图3所示,提取修饰词的方法的详细步骤包括:获取数据集内的物品短文本数据作为原始语料;利用物品的输入要素信息作为实体词,对物品短文本数据进行分类处理;对物品短文本数据进行分词处理与词性标注处理;根据词性标注结果,抽取出所有词性为“形容词”或“名词性形容词”的修饰词;对修饰词进行情感倾向分析;利用语言模型对修饰词与物品输入要素的组合进行打分;根据语言模型得分提取用于修饰物品实体词的修饰词。
图4是根据本发明实施例的提取修饰词的方法对物品标题进行分词和词性标注的结果示意图;图5是本发明实施例中词性标注对照表的示意图;图6是根据本发明实施例的提取修饰词的方法计算语言模型分值的结果示意图。以下结合图4、5、6,以“箱包”这一实体词为例,对本发明实施例的提取修饰词的技术方案进行详细示例性说明。
首先,针对“箱包”这个物品输入要素信息,以物品标题作为原始语料,对原始语料进行分类,得到实体词为“箱包”的子原始语料。将子原始语料进行分词和词性标注,部分结果数据如图4所示。图4 中显示的是分类以及分词后的词语词性标注后的结果,字段分别为:三级类目ID、三级类目名称、二级类目ID、二级类目名称、一级类目 ID、一级类目名称以及物品标题数组。其中,物品标题数组中存储的是每一个标题的分词与词性标注结果,各标题以空格分隔。
本发明实施例中,分词和词性标注的实现过程可以基于CRF算法,例如利用基于word embedding(词嵌入算法)+CRF算法+LSTM(Long Short-Term Memory,即是长短期记忆网络)框架的网络结构,输入子原始语料,得出分词和词性标注结果。本发明实施例中,使用的预设词性对照表如图5所示。
接下来,对物品标题数组进行操作。从中选出词性为形容词或者名词性形容词的词语作为修饰词,然后使用情感分析模型对所有的修饰词进行打分,选出阈值大于预设情感阈值δ(例如情感倾向分值为0 到1,则可以但不限于设置阈值为0.7)的修饰词。如此,就可以根据情感倾向性需求,提取特定情感倾向的修饰词,当然,情感倾向并不限于正向,还可以根据提取需求,设置提取情感倾向为中性或者负向的修饰词。
本发明实施例中,还可以基于语音模型对修饰词与实体词的搭配合理性进行限制,即提取出于实体词搭配合理的修饰词。具体实现可以是:将修饰词与物品的输入要素进行拼接,放入语言模型进行打分,最后抽取出语言模型分值符合语言模型阈值需求的修饰词,即抽取出可合理搭配实体词的修饰词。
此外,本发明实施例还可以同时抽取出既满足情感倾向需求又满足搭配合理性需求的修饰词。具体为,将利用预设情感分析模型计算各修饰词的情感倾向分值,提取情感倾向分值大于预设情感阈值(预设情感阈值可以是经过阈值遍历,然后人工观察结果得到的。得分越高表示修饰词的正向程度越高)的修饰词,然后利用预设语言模型计算情感倾向分值大于预设情感阈值的修饰词与对应的实体词的语言模型分值,并提取语言模型分值小于预设语言模型阈值η的修饰词。
语言模型的打分部分结果如图6所示,字段分别为:三级类目ID、三级类目名称、二级类目ID、二级类目名称、一级类目ID、一级类目名称以及修饰词数组。该数组中存储有每一个经过情感分析模型打分之后选中的修饰词以及该修饰词的语言模型打分值。本发明实施例中,语言模型可以是深度神经网路模型或者统计语言模型,通过设定一个预设语言模型阈值,将小于该阈值的抽取为修饰词,最后就可以得到基于搭配合理性需求抽取出的修饰词集合。
上述详细示例中,预设的情感分析模型可以基于卷积神经网络 (CNN)模型结构、或者基于LSTM神经网络模型实现,并且可以基于已有数据训练得到。例如,根据已有数据(短文本或词语,以及短文本或词语的情感倾向分值(情感倾向分值可以设置粗、细不同的粒度,例如可以是设置-5至5,共11个等级,或者以0-1表示正、负的粒度) 训练得到情感分析模型。利用训练好的情感分析模型,输入修饰词,得到修饰词的情感分析值分值。
本发明实施例中,通过有效地抽取出对应相关实体词的正面的、符合搭配习惯的修饰词,从而丰富了自然语言生成的语料;另外,由于本发明实施例充分使用了现有数据,与传统的人工修饰词语料生成的模式相比,在文本生成的多样性和创新性上有了较大的提升;最后,提取后的数据可以快速生成,快速展现,在文本自动化生成(例如内容广告或者物品标题生成等)中可以发挥重要作用。
通过本发明实施例的提取修饰词的技术方案可以看出,因为采用了分词与词性标注技术,利用分词与词性标注结果,抽取出修饰词候选集,然后根据预设的提取逻辑提取符合要求的修饰词,从而可以丰富自然语言生成过程中用于修饰实体词的修饰词语料;通过使用情感倾向分析模型分析修饰词的情感倾向,使用语言模型分析搭配是否合理,从而能够提取出情感倾向满足预设要求(例如情感倾向为正向) 的修饰词,以及使修饰词与描述物品的实体词搭配合理;通过利用分类或聚类的方法,从而可以将原始语料进行聚类,从而生成以特定实体词进行分类的子原始语料,从而可以方便后续利用语言模型对搭配的合理性进行评判。
图7是根据本发明实施例的提取修饰词的装置的主要模块的示意图。如图7所示,本发明实施例的提取修饰词的装置700主要包括如下模块:分类模块701、标注模块702以及提取模块703。
其中,分类模块701,用于利用实体词对原始语料进行分类,以得到若干类子原始语料;标注模块702,用于对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;提取模块703,用于按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
分类模块701还可用于:利用实体词按照倒排的方式对原始语料进行分类;和/或利用K-means算法对原始语料进行聚类。
提取模块703还可用于:利用预设情感分析模型计算各修饰词的情感倾向分值;和/或利用预设语言模型计算各修饰词与对应的实体词的语言模型分值。以及提取情感倾向分值大于预设情感阈值的修饰词;和/或提取语言模型分值小于预设语言模型阈值的修饰词;和/或提取情感倾向分值大于预设情感阈值的修饰词,并从所述情感倾向分值大于预设情感阈值的修饰词中提取语言模型分值小于预设语言模型阈值的修饰词。
从以上描述可以看出,因为采用了分词与词性标注技术,利用分词与词性标注结果,抽取出修饰词候选集,然后根据预设的提取逻辑提取符合要求的修饰词,从而可以丰富自然语言生成过程中用于修饰实体词的修饰词语料;通过使用情感倾向分析模型分析修饰词的情感倾向,使用语言模型分析搭配是否合理,从而能够提取出情感倾向满足预设要求(例如情感倾向为正向)的修饰词,以及使修饰词与描述物品的实体词搭配合理;通过利用分类或聚类的方法,从而可以将原始语料进行聚类,从而生成以特定实体词进行分类的子原始语料,从而可以方便后续利用语言模型对搭配的合理性进行评判。
图8示出了可以应用本发明实施例的提取修饰词方法或提取修饰词装置的示例性***架构800。
如图8所示,***架构800可以包括终端设备801、802、803,网络804和服务器805。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备801、802、803通过网络804与服务器805 交互,以接收或发送消息等。终端设备801、802、803上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备801、802、803可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器805可以是提供各种服务的服务器,例如对用户利用终端设备801、802、803所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息-- 仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的提取修饰词方法一般由服务器805执行,相应地,提取修饰词装置一般设置于服务器805中。
应该理解,图8中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图9,其示出了适于用来实现本发明实施例的终端设备的计算机***900的结构示意图。图9示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,计算机***900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908 加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有***900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/ 输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元 (CPU)901执行时,执行本发明的***中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括分类模块、标注模块以及提取模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,分类模块还可以被描述为“用于利用实体词对原始语料进行分类的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:利用实体词对原始语料进行分类,以得到若干类子原始语料;对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
根据本发明实施例的技术方案,因为采用了分词与词性标注技术,利用分词与词性标注结果,抽取出修饰词候选集,然后根据预设的提取逻辑提取符合要求的修饰词,从而可以丰富自然语言生成过程中用于修饰实体词的修饰词语料;通过使用情感倾向分析模型分析修饰词的情感倾向,使用语言模型分析搭配是否合理,从而能够提取出情感倾向满足预设要求(例如情感倾向为正向)的修饰词,以及使修饰词与描述物品的实体词搭配合理;通过利用分类或聚类的方法,从而可以将原始语料进行聚类,从而生成以特定实体词进行分类的子原始语料,从而可以方便后续利用语言模型对搭配的合理性进行评判。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种提取修饰词的方法,其特征在于,包括:
利用实体词对原始语料进行分类,以得到若干类子原始语料;
对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;
按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
2.根据权利要求1所述的方法,其特征在于,利用实体词对原始语料进行分类包括:
利用实体词按照倒排的方式对原始语料进行分类;和/或
利用K-means算法对原始语料进行聚类。
3.根据权利要求1所述的方法,其特征在于,按照预设打分方式计算各修饰词的分值包括:
利用预设情感分析模型计算各修饰词的情感倾向分值;和/或
利用预设语言模型计算各修饰词与对应的实体词的语言模型分值。
4.根据权利要求3所述的方法,其特征在于,提取分值符合预设阈值的修饰词包括:
提取情感倾向分值大于预设情感阈值的修饰词;和/或
提取语言模型分值小于预设语言模型阈值的修饰词;和/或
提取情感倾向分值大于预设情感阈值的修饰词,并从所述情感倾向分值大于预设情感阈值的修饰词中提取语言模型分值小于预设语言模型阈值的修饰词。
5.一种提取修饰词的装置,其特征在于,包括:
分类模块,用于利用实体词对原始语料进行分类,以得到若干类子原始语料;
标注模块,用于对子原始语料进行分词和词性标注,以得到已标注词性的词语,并从所述词语中选取用于修饰对应的实体词的修饰词;
提取模块,用于按照预设打分方式计算各修饰词的分值,并提取分值符合预设阈值的修饰词。
6.根据权利要求5所述的装置,其特征在于,所述分类模块还用于:
利用实体词按照倒排的方式对原始语料进行分类;和/或
利用K-means算法对原始语料进行聚类。
7.根据权利要求5所述的装置,其特征在于,所述提取模块还用于:
利用预设情感分析模型计算各修饰词的情感倾向分值;和/或
利用预设语言模型计算各修饰词与对应的实体词的语言模型分值。
8.根据权利要求7所述的装置,其特征在于,所述提取模块还用于:
提取情感倾向分值大于预设情感阈值的修饰词;和/或
提取语言模型分值小于预设语言模型阈值的修饰词;和/或
提取情感倾向分值大于预设情感阈值的修饰词,并从所述情感倾向分值大于预设情感阈值的修饰词中提取语言模型分值小于预设语言模型阈值的修饰词。
9.一种的电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810437544.2A CN110472020A (zh) | 2018-05-09 | 2018-05-09 | 提取修饰词的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810437544.2A CN110472020A (zh) | 2018-05-09 | 2018-05-09 | 提取修饰词的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110472020A true CN110472020A (zh) | 2019-11-19 |
Family
ID=68503594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810437544.2A Pending CN110472020A (zh) | 2018-05-09 | 2018-05-09 | 提取修饰词的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472020A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818682A (zh) * | 2021-01-22 | 2021-05-18 | 深圳大学 | 电商数据分析方法、设备、装置及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744953A (zh) * | 2014-01-02 | 2014-04-23 | 中国科学院计算机网络信息中心 | 一种基于中文文本情感识别的网络热点挖掘方法 |
US20150286627A1 (en) * | 2014-04-03 | 2015-10-08 | Adobe Systems Incorporated | Contextual sentiment text analysis |
US20160171560A1 (en) * | 2014-12-10 | 2016-06-16 | Adobe Systems Incorporated | Linguistic Personalization of Messages for Targeted Campaigns |
CN106503049A (zh) * | 2016-09-22 | 2017-03-15 | 南京理工大学 | 一种基于svm融合多种情感资源的微博情感分类方法 |
CN107305539A (zh) * | 2016-04-18 | 2017-10-31 | 南京理工大学 | 一种基于Word2Vec网络情感新词发现的文本倾向性分析方法 |
-
2018
- 2018-05-09 CN CN201810437544.2A patent/CN110472020A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744953A (zh) * | 2014-01-02 | 2014-04-23 | 中国科学院计算机网络信息中心 | 一种基于中文文本情感识别的网络热点挖掘方法 |
US20150286627A1 (en) * | 2014-04-03 | 2015-10-08 | Adobe Systems Incorporated | Contextual sentiment text analysis |
US20160171560A1 (en) * | 2014-12-10 | 2016-06-16 | Adobe Systems Incorporated | Linguistic Personalization of Messages for Targeted Campaigns |
CN107305539A (zh) * | 2016-04-18 | 2017-10-31 | 南京理工大学 | 一种基于Word2Vec网络情感新词发现的文本倾向性分析方法 |
CN106503049A (zh) * | 2016-09-22 | 2017-03-15 | 南京理工大学 | 一种基于svm融合多种情感资源的微博情感分类方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818682A (zh) * | 2021-01-22 | 2021-05-18 | 深圳大学 | 电商数据分析方法、设备、装置及计算机可读存储介质 |
CN112818682B (zh) * | 2021-01-22 | 2023-01-03 | 深圳大学 | 电商数据分析方法、设备、装置及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241524B (zh) | 语义解析方法及装置、计算机可读存储介质、电子设备 | |
CN103324665B (zh) | 一种基于微博的热点信息提取的方法和装置 | |
CN108363725B (zh) | 一种用户评论观点提取和观点标签生成的方法 | |
CN110968695A (zh) | 基于弱监督技术主动学***台 | |
CN108171276A (zh) | 用于生成信息的方法和装置 | |
CN112231563B (zh) | 一种内容推荐方法、装置及存储介质 | |
CN106105096A (zh) | 用于连续社交通信的***和方法 | |
CN109918662A (zh) | 一种电子资源的标签确定方法、装置和可读介质 | |
CN110309114B (zh) | 媒体信息的处理方法、装置、存储介质和电子装置 | |
CN111046225B (zh) | 音频资源处理方法、装置、设备及存储介质 | |
CN109582788A (zh) | 垃圾评论训练、识别方法、装置、设备及可读存储介质 | |
CN109241297B (zh) | 一种内容分类聚合方法、电子设备、存储介质及引擎 | |
CN111506794A (zh) | 一种基于机器学习的谣言管理方法和装置 | |
WO2019133506A1 (en) | Intelligent routing services and systems | |
CN107862058B (zh) | 用于生成信息的方法和装置 | |
CN109325121A (zh) | 用于确定文本的关键词的方法和装置 | |
CN109325146A (zh) | 一种视频推荐方法、装置、存储介质和服务器 | |
CN107885785A (zh) | 文本情感分析方法和装置 | |
CN109918627A (zh) | 文本生成方法、装置、电子设备及存储介质 | |
CN114971730A (zh) | 文案素材提取方法及其装置、设备、介质、产品 | |
CN110119445A (zh) | 生成特征向量和基于特征向量进行文本分类的方法和装置 | |
CN109947934A (zh) | 针对短文本的数据挖掘方法及*** | |
CN110516033A (zh) | 一种计算用户偏好的方法和装置 | |
CN105869058B (zh) | 一种多层潜变量模型用户画像提取的方法 | |
CN109190123A (zh) | 用于输出信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |