[发明专利]一种观点标签的生成方法、装置、电子设备和存储介质

权利要求书

1.一种观点标签的生成方法，其特征在于，该方法包括：

获取针对目标资源的评论集合，所述评论集合包括至少两条评论；

获得所述评论集合中的各条评论与所述目标资源之间的相关度；

根据所述各条评论对应的相关度，以及所述各条评论的语义特征，对所述各条评论进行排序，得到相应的评论序列；

基于所述评论序列生成针对所述目标资源的目标观点标签序列，所述目标观点序列包括至少两个目标观点标签词。

2.如权利要求1所述的方法，其特征在于，所述根据所述各条评论对应的相关度，以及所述各条评论的语义特征，对所述各条评论进行排序，得到相应的评论序列，具体包括：

根据所述各条评论对应的相关度，以及所述各条评论的语义特征，对所述各条评论进行划分，得到至少两个评论子集合；

对各个评论子集合进行排序，并分别对所述各个评论子集合中的各条评论进行排序，得到所述评论序列。

3.如权利要求2所述的方法，其特征在于，所述根据所述各条评论对应的相关度，以及所述各条评论的语义特征，对所述各条评论进行划分，得到至少两个评论子集合，具体包括：

分别根据所述各条评论对应的相关度，对所述各条评论的语义特征进行加权，得到所述各条评论的显著性语义特征；

根据所述各条评论的显著性语义特征对所述各条评论进行聚类，得到至少两个评论子集合。

4.如权利要求2所述的方法，其特征在于，所述对各个评论子集合之间进行排序，并分别对所述各个评论子集合中的各条评论进行排序，得到所述评论序列，具体包括：

根据各个评论子集合所包含的评论的数量，对所述各个评论子集合进行排序；以及，

针对所述各个评论子集合，分别执行以下操作：根据所述评论子集合中各条评论的语义特征与所述评论子集合的关联程度，对所述评论子集合中的各条评论进行排序；

基于所述各个评论子集合之间的排序结果，以及所述各个评论子集合中各条评论的排序结果，生成所述评论序列。

5.如权利要求1所述的方法，其特征在于，所述获得所述评论集合中的各条评论与所述目标资源之间的相关度，具体包括：

分别将所述各条评论输入已训练的观点标签生成模型中，基于所述已训练的观点标签生成模型中的句子级别的显著性评分组件对所述各条评论进行特征提取，获得所述显著性评分组件输出的所述各条评论对应的相关度；

所述根据所述各条评论对应的相关度，以及所述各条评论的语义特征，对所述各条评论进行排序，得到相应的评论序列，具体包括：

分别将所述各条评论，以及所述各条评论对应的相关度输入所述已训练的观点标签生成模型中的评论聚类排序组件，基于所述评论聚类排序组件对所述各条评论进行聚类和排序，获得所述评论聚类排序组件输出的词级别的第一拼接表示向量，所述第一拼接表示向量中的各个评论词组合形成所述评论序列；

所述基于所述评论序列生成针对所述目标资源的目标观点标签序列，具体包括：

将所述拼接表示向量输入所述已训练的观点标签生成模型中的观点标签组件，基于所述观点标签组件进行注意力特征提取，获得所述观点标签组件输出的所述目标观点标签序列；

其中，所述已训练的观点标签生成模型是根据训练样本数据集训练得到的，所述训练样本数据集中的训练样本包括已标注相关性标签的样本评论，所述相关性标签表示所述样本评论与样本资源是否相关。

6.如权利要求5所述的方法，其特征在于，所述分别将所述各条评论输入已训练的观点标签生成模型中，基于所述已训练的观点标签生成模型中的句子级别的显著性评分组件，获得所述显著性评分组件输出的各条样本评论对应的相关度，具体包括：

分别将所述各条评论输入所述显著性评分组件，基于所述显著性评分组件中的句子表示模块将所述各条评论映射至连续空间，得到所述各条评论的表示向量；

通过上下文编码将所述各条评论的表示向量分别转换为对应的语义向量；

基于所述显著性评分组件，分别提取所述各条评论的语义向量与除自身之外的其他评论的语义向量之间的注意力特征；

基于所述各条评论对应的注意力特征获得所述各条评论与所述目标资源之间的相关度。