[发明专利]对象文本中地点识别方法、装置、电子设备及存储介质

说明书

本申请实施例提供了对象文本中地点识别方法、装置、电子设备及存储介质，所述对象文本中地点识别方法，包括：获取待识别对象文本的文本关联信息和发布所述对象文本的账号信息；将所述文本关联信息和所述账号信息进行拼接后获得的字符串输入多任务地点识别模型，获得所述对象文本的属性信息和所述对象文本的地点标签信息，所述对象文本的属性表征所述对象文本的内容是否属于本地信息，所述多任务地点识别模型是对从样本对象文本集合中提取的每一样本对象文本中的文本关联信息和发布所述样本对象文本的账号信息按照预设多任务学习深度神经网络模型进行训练获得的；根据所述对象文本的属性信息和所述对象文本的地点标签信息确定地点识别结果。

技术领域

本申请涉及文本处理领域，尤其涉及对象文本中地点识别方法、装置、电子设备及存储介质。

背景技术

本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

本地信息是发生在某个局部区域或者与该区域有关的信息，在信息推荐领域，本地信息通常仅适合推荐给当地用户以及对该地感兴趣的用户，信息以新闻为例，相关技术中，通过在新闻文本中提取地点信息，以标注该新闻适合推荐的区域，为新闻的推荐提供依据。

相关技术中，常采用基于地名词典进行匹配的方式提取对象文本中的地点信息，其将全国几千个省、市、区及行政地区的名称加入地名词典并建立字典树(Trie树)，使用AC自动机(Aho-Corasick automaton)多模匹配算法匹配对象文本内容，记录从对象文本中匹配到的各个地点的频数，按照频数由高到低进行排序，并结合地点的行政层级关系计算分数，取分数高的地点作为最终的地点标签，若从对象文本中未匹配到任何地点，则认为此对象文本内容是非本地信息。此种匹配方式的关键点在于字符串匹配，而全国部分城市的地名与常见名词同名，如山东省日照市、广东省中山市等，城市和城市之间也存在同名或相似的情况，如吉林省吉林市、辽宁省鞍山市与安徽省马鞍山市等，采用上述匹配方式的字符串匹配阶段易带来误判，导致地点识别不准确以及易误判为本地信息的问题。

发明内容

为解决上述技术问题，本申请实施例提供了一种对象文本中地点识别方法、装置、电子设备及存储介质，提高了文本中地点识别的准确率。

一方面，本申请一实施例提供了一种对象文本中地点识别方法，包括：

获取待识别对象文本的文本关联信息和发布所述对象文本的账号信息；

将所述文本关联信息和所述账号信息进行拼接后获得的字符串输入多任务地点识别模型，获得所述对象文本的属性信息和所述对象文本的地点标签信息，所述对象文本的属性表征所述对象文本的内容是否属于本地信息，所述多任务地点识别模型是对从样本对象文本集合中提取的每一样本对象文本中的文本关联信息和发布所述样本对象文本的账号信息按照预设多任务学习深度神经网络模型进行训练获得的；

根据所述对象文本的属性信息和所述对象文本的地点标签信息确定地点识别结果。

在一种可能的实施方式中，所述多任务地点识别模型包括输入层、共享网络层、第一任务网络层和第二任务网络层；所述共享网络层与所述第一任务网络层、所述第二任务网络层分别相连接；

所述第一任务网络层包括第一全连接层、第一分类器和第一输出层；所述第二任务网络层包括第二全连接层、第二分类器和第二输出层。

在一种可能的实施方式中，所述共享网络层包括预训练模型；所述输入层后连接所述预训练模型，所述预训练模型后分别连接所述第一全连接层和所述第二全连接层，所述第一全连接层后连接所述第一分类器，所述第一分类器后连接所述第一输出层，所述第二全连接层后连接所述第二分类器，所述第二分类器后连接所述第二输出层。

在一种可能的实施方式中，所述输入层后还连接所述第二全连接层，使得所述输入层的输入信息和所述预训练模型的输出信息作为所述第二全连接层的输入。