[发明专利]用于生成信息的方法和装置

说明书

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取目标信息，以及确定目标信息所属的类别；将目标信息输入到预先训练的电话号码识别模型中，得到目标信息的识别结果，其中，识别结果用于指示目标信息中是否包含电话号码，电话号码识别模型用于表征信息与识别结果之间的对应关系；响应于确定出识别结果指示目标信息中包含电话号码，从目标信息中提取电话号码，生成包括提取出的电话号码和类别的记录。该实施方式提高了电话号码提取的准确率和覆盖率。

技术领域

本申请实施例涉及计算机技术领域，具体涉及信息处理技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

目前，在一些用户原创内容(UGC，User Generated Content)网站(例如，论坛类网站、社交类网站等)中，一些用户会将自己的某一需求(例如，房屋出租出售、跳槽等)和电话号码发表在帖子或者评论区域中，使得其他人(例如，销售人员、猎头等)看到后可以与这些具有需求的用户进一步沟通。因此，如何从这些用户发表内容中提取出用户的电话号码具有重要的意义。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，包括：获取目标信息，以及确定目标信息所属的类别；将目标信息输入到预先训练的电话号码识别模型中，得到目标信息的识别结果，其中，识别结果用于指示目标信息中是否包含电话号码，电话号码识别模型用于表征信息与识别结果之间的对应关系；响应于确定出识别结果指示目标信息中包含电话号码，从目标信息中提取电话号码，生成包括提取出的电话号码和类别的记录。

在一些实施例中，目标信息来源于目标网站；以及该方法还包括：获取在目标网站中发表目标信息的用户的用户名。

在一些实施例中，在从目标信息中提取电话号码之后，该方法还包括：确定提取出的电话号码的置信度。

在一些实施例中，确定提取出的电话号码的置信度，包括：统计用户在目标网站发表的包含电话号码的信息的数目作为第一数目；统计用户在目标网站发表的包含提取出的电话号码的信息的数目作为第二数目；统计在目标网站发表包含电话号码的信息最多的用户所发表的包含电话号码的信息的数目作为第三数目；求取预设数值与第一数目之和的对数作为第一对数，求取预设数值与第三数目之和的对数作为第二对数；将第一对数与第二对数的比值乘以第一数目与第二数目的比值的乘积确定为提取出的电话号码的置信度。

在一些实施例中，生成包括提取出的电话号码和类别的记录，包括：生成包括用户名、提取出的电话号码、目标信息、类别和置信度的记录。

在一些实施例中，该方法还包括：响应于接收到包括类别的搜索请求，获取所搜索的类别对应的至少一条记录；从至少一条记录中按照置信度由大到小的顺序选取预设数目个记录，输出选取出的记录。

在一些实施例中，电话号码识别模型是通过如下步骤训练得到的：获取样本数据集合，其中，样本数据集合中的每个样本数据包括样本信息和识别结果，样本信息包括包含电话号码的样本信息和不包含电话号码的样本信息，识别结果包括表征样本信息包含电话号码的标识和表征样本信息不包含电话号码的标识；利用机器学习方法，将样本数据集合中的每个样本数据中的样本信息作为输入，将该样本数据中的识别结果作为输出，对预设的初始模型进行训练得到电话号码识别模型。

在一些实施例中，包含电话号码的样本信息是通过如下步骤得到的：在目标网站中获取至少一个用户发表的用户发表信息；利用预设的正则表达式对用户发表信息进行过滤，得到包含电话号码的样本信息。