[发明专利]一种基于自然语言处理的智能打标签方法及系统

权利要求书

1.一种基于自然语言处理的智能打标签方法，其特征是，包括：

构建训练集和测试集；基于训练集和测试集，构建标签模型；其中，所述训练集和测试集，均为已知标签的多个字段文本；

对已经构建的标签模型进行封装，生成接口；

对接口进行配置；

获取待处理的文本数据；调用配置，对待处理的自然语言进行打标签处理。

2.如权利要求1所述的一种基于自然语言处理的智能打标签方法，其特征是，构建训练集和测试集；具体包括：

获取已知标签的文本数据；

对已知标签的文本数据进行数据清洗，数据清洗过程中，删除文本数据中的空格、换行字符、感叹号和特殊字符；

对数据清洗后的数据切分为若干个文本条目；

针对得到的若干个文本条目，按比例划分为训练集和测试集。

3.如权利要求1所述的一种基于自然语言处理的智能打标签方法，其特征是，基于训练集和测试集，构建标签模型；具体包括：

采用语言表征模型对训练集中的文本数据进行特征提取得到文本特征；

基于训练集中的文本特征和对应标签，对卷积神经网络进行训练，得到训练后的卷积神经网络，将训练后的卷积神经网络作为标签模型；

基于测试集中的文本特征和对应标签，对训练后的卷积神经网络进行测试，得到模型打标签的准确率；

如果准确率超过设定阈值，则训练结束，得到的训练后的卷积神经网络作为标签模型；如果准确率低于设定阈值，则重新训练。

4.如权利要求1所述的一种基于自然语言处理的智能打标签方法，其特征是，对已经构建的标签模型进行封装，生成接口；具体包括：

定义标签模型请求方法，实现请求参数的定义、返回参数文本标签label及返回参数文本标签label对应分数的输出，完成标签模型请求方法的封装；

将已经构建的标签模型及封装的标签模型请求方法，通过python命令启动生成标签模型调用接口。

5.如权利要求1所述的一种基于自然语言处理的智能打标签方法，其特征是，对接口进行配置；具体包括：

根据标签模型调用API接口，通过VUE框架采用ElementUI方式构建模型可视化配置功能；

根据生成的模型调用接口的地址及定义的标签模型请求方法，获取标签模型返回参数，并根据定义的文本标签label及文本标签label对应分数的参数进行保存，完成标签模型的可视化接口配置。

6.如权利要求4所述的一种基于自然语言处理的智能打标签方法，其特征是，获取待处理的文本数据；调用配置，对待处理的自然语言进行打标签处理；具体包括：

引入VUE框架，采用ElementUI方式，设置标签任务名称、模型调用接口、请求参数、返回参数，完成标签任务功能配置；

根据构建的标签任务配置功能、构建的标签模型调用接口和待打标签文本内容，配置标签任务名称、模型调用接口、请求参数、返回参数及标签字段信息；

获取待打标签的输入数据信息，并配置打标签数据的输出表名和输出表字段；

通过采用DolphinScheduler构建分布式工作流调度图，实现自动启停标签任务，完成打标签。

7.如权利要求2所述的一种基于自然语言处理的智能打标签方法，其特征是，所述数据清洗，采用replace函数来实现；所述对数据清洗后的数据切分为若干个文本条目，采用spilt函数来实现。

8.一种基于自然语言处理的智能打标签系统，其特征是，包括：

构建模块，其被配置为：构建训练集和测试集；基于训练集和测试集，构建标签模型；其中，所述训练集和测试集，均为已知标签的多个字段文本；

封装模块，其被配置为：对已经构建的标签模型进行封装，生成接口；

配置模块，其被配置为：对接口进行配置；

打标签模块，其被配置为：获取待处理的文本数据；调用配置，对待处理的自然语言进行打标签处理。