[发明专利]生成应用类别标签的方法及装置

权利要求书

1.一种生成应用类别标签的方法，其特征在于，包括：

获取第一应用数据源的第一类别信息，获取第二应用数据源的第二类别信息，将所述第一类别信息和所述第二类别信息整合成第三类别信息，所述第三类别信息包括类别标签，所述第一应用数据源包括本地应用平台的数据源，所述第二应用数据源包括第三方应用平台的数据源，所述整合包括通过语义分析，对所述第一类别信息和所述第二类别信息中语义相似且表述不同的信息进行过滤；

获取第一应用数据源或第二应用数据源的应用信息，所述应用信息中包含有样本应用标识和对应的应用描述信息；

将所述应用描述信息与所述第三类别信息中的类别标签进行匹配，为所述样本应用标识标注所述第三类别信息中的类别标签；

根据所述应用信息提取相应的样本应用标识对应的特征向量，根据所述样本应用标识对应的类别标签和对应的特征向量训练分类器；

根据所述训练的分类器为目标应用标识标注所述第三类别信息中的类别标签。

2.根据权利要求1所述的生成应用类别标签的方法，其特征在于，所述将所述第一类别信息和所述第二类别信息整合成第三类别信息的步骤之后还包括：

获取所述第一类别信息和所述第二类别信息中与所述第三类别信息中的类别标签匹配的同义类别标签；

建立所述同义类别标签与相应的所述第三类别信息中的类别标签的映射关系；

所述将所述应用描述信息与所述第三类别信息中的类别标签进行匹配的步骤还包括：

查找与所述应用描述信息匹配的类别标签或同义类别标签，将查找到的类别标签或同义类别标签对应的类别标签作为所述应用描述信息对应的样本应用标识的类别标签。

3.根据权利要求1所述的生成应用类别标签的方法，其特征在于，所述根据所述应用信息提取相应的样本应用标识对应的特征向量的步骤包括：

根据所述应用信息提取相应的样本应用标识对应的应用属性向量、用户群组属性向量、关键词匹配向量、文档主题LDA向量、文档特征doc2vec向量作为特征向量。

4.根据权利要求1所述的生成应用类别标签的方法，其特征在于，所述根据所述样本应用标识对应的类别标签和对应的特征向量训练分类器的步骤包括：

获取所述第三类别信息中类别标签的个数，根据所述类别标签的个数生成对应数量的分类器。

5.根据权利要求4所述的生成应用类别标签的方法，其特征在于，所述根据所述类别标签的个数生成对应数量的分类器的步骤还包括：

将根据所述类别标签的个数生成对应第一数量的分类器作为主分类器；

对于每个主分类器，根据所述样本应用标识的类别标签和对应的特征向量获取每个主分类器对应的正样本数和负样本数的比例；

根据所述每个主分类器对应的正样本数和负样本数的比例生成对应第二数量的与该主分类器对应子分类器；

结合随机重采样和随机欠采样训练所述第二数量的子分类器。

6.一种生成应用类别标签的装置，其特征在于，包括：

类别信息构建模块，用于获取第一应用数据源的第一类别信息，获取第二应用数据源的第二类别信息，将所述第一类别信息和所述第二类别信息整合成第三类别信息，所述第三类别信息包括类别标签，所述第一应用数据源包括本地应用平台的数据源，所述第二应用数据源包括第三方应用平台的数据源，所述整合包括通过语义分析，对所述第一类别信息和所述第二类别信息中语义相似且表述不同的信息进行过滤；

样本应用获取模块，用于获取第一应用数据源或第二应用数据源的应用信息，所述应用信息中包含有样本应用标识和对应的应用描述信息；

样本应用标注模块，用于将所述应用描述信息与所述第三类别信息中的类别标签进行匹配，为所述样本应用标识标注所述第三类别信息中的类别标签；

分类器训练模块，用于根据所述应用信息提取相应的样本应用标识对应的特征向量，根据所述样本应用标识对应的类别标签和对应的特征向量训练分类器；

目标应用标注模块，用于根据所述训练的分类器为目标应用标识标注所述第三类别信息中的类别标签。