[发明专利]关键信息提取方法、装置、计算机设备及存储介质

说明书

本发明公开了一种关键信息提取方法、装置、计算机设备及介质，包括：基于预设的爬取方式，从自媒体站点进行舆情文章的爬取，得到目标文章；对目标文章进行格式解析，得到目标文章的标题和正文；对正文进行文本信息提取，得到目标文本信息；将标题与目标文本信息作为融合特征，将目标文章作为基础特征，并将融合特征与基础特征输入到预设好的关键词筛选模型进行训练，得到初始关键词候选集；对初始候选集中的每个关键词进行优先级排序，得到优先级由大到小的目标序列，并从目标序列中选取预设数量的关键词，作为目标关键词；基于目标关键词和目标文章，生成关键信息。采用本发明可提高关键信息提取的准确性。

技术领域

本发明涉及数据处理领域，尤其涉及一种关键信息提取方法、装置、计算机设备及介质。

背景技术

互联网能够给用户提供丰富的信息资源，随着互联网技术的飞速发展，越来越多的用户通过互联网获取想要的信息，为了方便用户获取最新资讯，自媒体站点每天都会新增大量文章，如何从大量的文章中找到自己想要的信息，成了一个亟待解决的难题。

现有方式中，通过集合搜索引擎的方式，根据用户的关键词或者预设的偏好信息，进行文章采集，再将每个采集到的文章的前面的几个语句以快照的形式展现给用户，但是这种方式对文章内容的概括准确度难以保证，使得用户在浏览时，还是需要逐个文章点击进去阅读才能获取文章的信息，耗费较多的时间，因而，亟需一种对文章关键信息准确抽取的方法。

发明内容

本发明实施例提供一种关键信息提取方法、装置、计算机设备和存储介质，以提高关键信息提取的精准程度。

为了解决上述技术问题，本申请实施例提供一种关键信息提取方法，包括：

基于预设的爬取方式，从自媒体站点进行舆情文章的爬取，得到目标文章；

对所述目标文章进行格式解析，得到所述目标文章的标题和正文；

对所述正文进行文本信息提取，得到处理后的文本信息，并将所述处理后的文本信息作为目标文本信息；

将所述标题与所述目标文本信息作为融合特征，将所述目标文章作为基础特征，并将所述融合特征与所述基础特征输入到预设好的关键词筛选模型进行训练，得到初始关键词候选集，其中，所述训练好的关键词筛选模型为神经网络模型；

根据预设的优先级排序方式，对所述初始候选集中的每个关键词进行优先级排序，得到优先级由大到小的目标序列，并按照从前往后的顺序，从所述目标序列中选取预设数量的关键词，作为目标关键词；

基于所述目标关键词和所述目标文章，生成所述关键信息。

可选地，所述基于预设的爬取方式，从自媒体站点进行舆情文章的爬取，得到目标文章包括：

接收客户端发送的文章爬取请求，所述文章爬取请求包括待爬取的舆情文章对应的标签和发布时间范围；

采用广度优先策略，基于所述文章爬取请求，从自媒体站点进行文章爬取，得到每个初始文章对应的页面信息；

获取通过链接分析的方式，确定每个所述页面信息的网页权重；

根据每个所述页面信息的所述网页权重，确定目标网页；

基于预设的网页排名策略，计算每个所述目标网页的网页排名值，并根据所述网页排名值由大到小的顺序，对所述目标网页进行排序，得到目标页面队列；

依次抓取所述目标页面队列中每个所述目标网页对应的文章内容，得到所述目标文章。

可选地，所述训练好的关键词筛选模型为BERT网络模型。

可选地，所述对所述正文进行文本信息提取，得到处理后的文本信息，并将所述处理后的文本信息作为目标文本信息包括：