[发明专利]关键词的权重计算方法、装置、计算机设备及存储介质

权利要求书

1.一种关键词的权重计算方法，其特征在于，包括：

获取用户输入的查询内容；

对所述查询内容进行分词处理，得到所述查询内容对应的关键词；

将所述查询内容输入训练后的BERT网络模型进行双向语言表征处理，得到所述查询内容中每个字的字向量；

根据所述关键词中每个字分别对应的所述字向量确定所述关键词对应的关键词向量；

将所述关键词向量输入训练后的前馈神经网络模型，得到所述关键词对应的权重。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关键词中每个字分别对应的所述字向量确定所述关键词对应的关键词向量，包括：

确定所述关键词中每个字分别对应的所述字向量；

对所述关键词中每个字分别对应的所述字向量进行叠加平均处理，得到所述关键词对应的关键词向量。

3.根据权利要求1所述的方法，其特征在于，所述将所述关键词向量输入训练后的前馈神经网络模型，得到所述关键词对应的权重，包括：

将所述关键词向量输入所述训练后的前馈神经网络模型中进行二分类，得到二分类结果，所述二分类结果包括所述关键词重要性分数以及不重要性分数；

将所述重要性分数确定为所述关键词对应的权重。

4.根据权利要求1所述的方法，其特征在于，所述将所述查询内容输入训练后的BERT网络模型进行双向语言表征处理，得到所述查询内容中每个字的字向量，包括：

基于所述训练后的BERT网络模型，分别确定所述查询内容中每个字的原始字向量、文本向量以及位置向量；

根据所述原始字向量、所述文本向量以及所述位置向量确定所述查询内容中每个字的字向量。

5.根据权利要求1所述的方法，其特征在于，所述将所述查询内容输入训练后的BERT网络模型进行双向语言表征处理，得到所述查询内容中每个字的字向量之前，所述方法还包括：

获取垂直领域的训练样本；

基于随机屏蔽的方法，根据所述训练样本对预设的BERT网络模型进行训练，得到所述训练后的BERT网络模型。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述获取用户输入的查询内容，包括：

获取用户输入的原始查询内容；

对所述原始查询内容进行预处理，得到所述查询内容，所述预处理包括编码统一处理、转换处理和清洗处理。

7.根据权利要求1至5中任一项所述的方法，其特征在于，所述将所述关键词向量输入训练后的前馈神经网络模型，得到所述关键词对应的权重之后，所述方法还包括：

确定所述查询内容对应的查询结果；

根据所述关键词对应的权重对所述查询结果进行排序，得到排序后的查询结果。

8.一种关键词的权重计算装置，其特征在于，包括：

查询内容获取单元，用于获取用户输入的查询内容；

分词单元，用于对所述查询内容进行分词处理，得到所述查询内容对应的关键词；

字向量确定单元，用于将所述查询内容输入训练后的BERT网络模型进行双向语言表征处理，得到所述查询内容中每个字的字向量；

词向量确定单元，用于根据所述关键词中每个字分别对应的所述字向量确定所述关键词对应的关键词向量；

权重确定单元，用于将所述关键词向量输入训练后的前馈神经网络模型，得到所述关键词对应的权重。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时可实现如权利要求1-7中任一项所述的方法。