[发明专利]页面标签添加方法、装置、设备及存储介质

权利要求书

1.一种页面标签添加方法，其特征在于，所述方法包括：

获取页面的图像，利用光学字符识别技术识别所述图像包含的文本；

将所述文本投影到低维空间，使同一类的字词聚集，不同类的字词分散，从所述聚集的字词中选择特征词；

将所述特征词与预构建的标签体系库进行匹配，确定所述标签体系库中与所述特征词相关的词为匹配特征词；

根据所述匹配特征词出现的位置及次数计算所述匹配特征词的权重，得到匹配特征词的匹配权重；

确定所述匹配权重大于预设阈值的匹配特征词为所述页面的标签。

2.如权利要求1所述的页面标签添加方法，其特征在于，所述从所述聚集的字词中选择特征词，包括：

对所述聚集的字词进行主题提取，得到第一候选词集；

对所述聚集的字词进行实体提取，得到第二候选词集；

对所述聚集的字词进行关键词提取，得到第三候选词集；

确定同时存在于所述第一候选词集、所述第二候选词集以及所述第三候选词集中的候选词为特征词。

3.如权利要求1所述的页面标签添加方法，其特征在于，所述根据所述匹配特征词出现的位置及次数计算所述匹配特征词的权重，得到匹配特征词的匹配，包括：

将所述文本划分为标题部分、摘要部分及正文部分，以及获取所述标题部分的预设的第一权重、所述摘要部分的第二权重及所述正文部分的第三权重；

统计所述匹配特征词在所述标题部分的出现次数，得到第一次数，根据所述第一次数乘以所述第一权重，得到第一特征值；

统计所述匹配特征词在所述摘要部分的出现次数，得到第二次数，根据所述第二次数乘以所述第二权重，得到第二特征值；

统计所述匹配特征词在所述正文部分的出现次数，得到第三次数，根据所述第三次数乘以所述第三权重，得到第三特征值；

根据将所述第一次数、所述第二次数、所述第三次数及所述第一特征值、所述第二特征值及所述第三特征值，计算得到所述匹配特征词的匹配权重。

4.如权利要求3所述的页面标签添加方法，其特征在于，所述根据将所述第一次数、所述第二次数、所述第三次数及所述第一特征值、所述第二特征值及所述第三特征值，计算得到所述匹配特征词的匹配权重，包括：

计算所述第一次数、所述第二次数及所述第三次数之和，得到次数和；

计算所述第一特征值、所述第二特征值及所述第三特征值之和，得到特征值和；

将所述次数和及所述特征值和的比值作为所述匹配特征词的匹配权重。

5.如权利要求1所述的页面标签添加方法，其特征在于，所述确定所述标签体系库中与所述特征词相关的词为匹配特征词，包括：

根据一个预设的近义词表，从所述标签体系库中选择与所述特征词意义相同或者相近的词；

将所述相同或者相近词设置为匹配特征词。

6.如权利要求1至5中任一项所述的页面标签添加方法，其特征在于，所述将所述特征词与预构建的标签体系库进行匹配之前，所述方法还包括：

从预构建的测试图片集中进行信息提取，得到第一词汇集；

将所述第一词汇集添加到预构建的词库中，并对所述词库进行数据清洗，得到所述标签体系库。

7.如权利要求1至5中任一项所述的页面标签添加方法，其特征在于，所述确定所述匹配特征词为所述页面的标签之后，所述方法还包括：

将所述标签转换为图片，并将所述图片显示到对应的页面上。