[发明专利]一种基于位置信息的文本识别方法以及相关装置

说明书

本申请公开了一种基于位置信息的文本识别方法以及相关装置，应用于人工智能的自然语言处理技术。通过获取目标文本，目标文本包括多个文本单元；然后将目标文本输入文本识别模型中的特征提取层，以得到各个文本单元对应的文本特征向量；基于关键词词典确定各个文本单元在目标文本中对应的位置权重；进而将位置权重和文本特征向量输入文本识别模型中的输出层，以得到识别结果。从而实现将位置信息与特征信息相融合的文本识别过程，由于位置信息可以补充短文本中上下文信息的不足，弥补了模型侧对于上下文信息学习的不充分，提升了文本识别的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于位置信息的文本识别方法以及相关装置。

背景技术

随着互联网技术的迅速发展，人们对推送信息的要求越来越高。如何进行快速且准确的信息推送成为难题，而在信息推送的过程中，短文本分类为推送过程的重要环节，例如文章标题的识别。

一般，对于短文本分类方法主要有词频-逆向文件频率(term frequency–inversedocument frequency，TF-IDF)、文档主题生成模型(Latent Dirichlet Allocation，LDA)或利用word2vec加和求平均，然后利用深度学习模型对短文本进行分类。

但是，上述针对短文本分类的过程中，由于短文本数据字数较少，包含的文本信息有限，上述模型学习短标题数据难以直接学习上下文信息，影响文本识别的准确性。

发明内容

有鉴于此，本申请提供一种基于位置信息的文本识别方法，可以有效提高文本识别的准确性。

本申请第一方面提供一种基于位置信息的文本识别方法，可以应用于终端设备中包含基于位置信息的文本识别功能的系统或程序中，具体包括：

获取目标文本，所述目标文本包括多个文本单元；

将所述目标文本输入文本识别模型中的特征提取层，以得到各个所述文本单元对应的文本特征向量；

基于关键词词典确定各个所述文本单元在目标文本中对应的位置权重，所述关键词词典用于指示不同文本品类下的领域词，所述位置权重基于所述文本单元与所述目标文本对应的领域词在所述目标文本中的位置关系确定；

将所述位置权重和所述文本特征向量输入所述文本识别模型中的输出层，以得到识别结果。

可选的，在本申请一些可能的实现方式中，所述基于关键词词典确定各个所述文本单元在所述目标文本中对应的位置权重，包括：

获取不同预设品类下语料数据，并确定多个候选词；

确定所述候选词在所述预设品类中的领域特征值；

基于所述领域特征值对所述候选词进行筛选，以得到不同的所述预设品类对应的领域词典；

对不同的所述预设品类对应的领域词典进行融合，以得到所述关键词词典；

基于所述关键词词典确定确定各个所述文本单元在所述目标文本中对应的位置权重。

可选的，在本申请一些可能的实现方式中，所述获取不同预设品类下语料数据，并确定多个候选词，包括：

调用不同的所述预设品类对应的历史记录；

基于所述历史记录进行文本统计，以得到特征项；

根据所述特征项编辑对应的预设白名单；

基于所述预设白名单遍历所述语料数据，以确定多个所述候选词。

可选的，在本申请一些可能的实现方式中，所述获取不同预设品类下语料数据，并确定多个候选词，包括：

获取不同预设品类下语料数据；