[发明专利]确定文档标签的方法、装置、电子设备和存储介质

权利要求书

1.一种确定文档标签的方法，包括：

对目标文档进行切词处理，得到M个第一字段，其中，M为大于1的整数；

将所述M个第一字段与预定词库中的多个预定字段进行匹配，得到N个目标字段，其中，N为大于或等于1的整数；以及

根据所述N个目标字段，确定所述目标文档的标签。

2.根据权利要求1所述的方法，其中，所述预定词库包括第一预定子词库，所述第一预定子词库是根据人工审核标签后被删除的标签得到的，

所述将所述M个第一字段与预定词库中的多个预定字段进行匹配，得到N个目标字段包括：

将所述M个第一字段与所述第一预定子词库中的多个第一预定字段进行匹配；

根据所述M个第一字段中匹配失败的多个第一字段，得到所述N个目标字段。

3.根据权利要求1所述的方法，其中，所述预定词库包括第二预定子词库，所述第二预定子词库是根据从搜索引擎获取的与文档相关的搜索内容得到的，

所述将所述M个第一字段与预定词库中的多个预定字段进行匹配，得到N个目标字段包括：

将所述M个第一字段与所述第二预定子词库中的多个第二预定字段进行匹配；

根据所述M个第一字段中匹配成功的多个第一字段，得到所述N个目标字段。

4.根据权利要求1所述的方法，其中，所述将所述M个第一字段与预定词库中的多个预定字段进行匹配，得到N个目标字段包括：

响应于所述M个第一字段中存在语义相同的至少两个第一字段，重复执行以下操作之一，得到K个语义不同的第一字段，其中，K是大于或等于1的整数：

响应于所述语义相同的至少两个第一字段中每个第一字段的长度均大于或等于预设长度阈值，删除所述语义相同的至少两个第一字段中长度最长的第一字段；

响应于所述语义相同的至少两个第一字段中存在长度小于所述预设长度阈值的第一字段，删除所述语义相同的至少两个第一字段中长度最小的第一字段；

根据所述K个语义不同的第一字段，得到所述N个目标字段。

5.根据权利要求2所述的方法，其中，所述第一预定子词库是通过以下操作得到的：

获取人工审核标签后多个被删除的标签；

将所述多个被删除的标签同预定类型词库进行匹配；以及

将匹配失败的被删除的标签作为所述第一预定字段，得到第一预定子词库。

6.根据权利要求1所述的方法，其中，所述根据所述N个目标字段，确定所述目标文档的标签包括：

根据所述N个目标字段中每个目标字段在所述目标文档中的词频，确定所述目标文档的标签。

7.根据权利要求1所述的方法，其中，所述根据所述N个目标字段中每个目标字段在所述目标文档中的词频，确定所述目标文档的标签包括：

根据所述N个目标字段中每个目标字段在所述目标文档中的词频，确定每个目标字段的第一权重；

根据所述N个目标字段中每个目标字段在所述目标文档中的位置，确定每个目标字段的第二权重；

根据每个目标字段的第一权重和每个目标字段的第二权重，确定每个目标字段的第三权重；以及

根据N个目标字段的第三权重，确定所述目标文档的标签。

8.一种确定文档标签的装置，包括：

切词模块，用于对目标文档进行切词处理，得到M个第一字段，其中，M为大于1的整数；

匹配模块，用于将所述M个第一字段与预定词库中的多个预定字段进行匹配，得到N个目标字段，其中，N为大于或等于1的整数；以及

确定模块，用于根据所述N个目标字段，确定所述目标文档的标签。