[发明专利]中心词提取方法、装置、计算机设备和存储介质

权利要求书

1.一种中心词提取方法，其特征在于，包括：

获取用户输入的查询文本，用户针对查询文本对应的查询结果的点击行为数据，以及用户所点击声音的文本数据；

根据查询文本，点击行为数据、声音的文本数据，生成查询节点数据；

对查询文本进行分词处理，根据得到的分词确定查询文本的目标分词；

将所述目标分词输入词向量生成模型，得到目标分词的词向量；所述词向量生成模型是对预设模型进行训练得到的，所述词向量生成模型的训练数据基于查询节点数据构造；

根据查询文本识别查询意图；基于相应意图类别的所有查询文本中目标分词的出现次数，相应意图类别所有查询文本的数量，以及所有查询文本中目标分词的出现次数确定目标分词于相应意图类别的权重；对查询文本中所有目标分词所对应的词向量进行加权求和，得到查询文本的向量表示；

基于声音的文本数据构建领域词汇知识库；

对目标分词进行词性标注处理，确定候选中心词；

将所述候选中心词输入词向量生成模型，得到候选中心词的词向量，基于候选中心词的词向量与查询文本的向量表示的余弦相似度提取中心词。

2.根据权利要求1所述的方法，其特征在于：所述声音的文本数据包括声音标题、声音简介、声音关键词、自定义标签。

3.根据权利要求1所述的方法，其特征在于，所述根据得到的分词确定查询文本的目标分词，包括：

去除得到的分词中的停用词，将剩余的分词作为目标分词。

4.根据权利要求1所述的方法，其特征在于，所述基于声音的文本数据构建领域词汇知识库，包括：

基于声音的文本数据挖掘领域词库，将领域词库与预先构建的基础词库进行融合，得到领域词汇知识库。

5.根据权利要求1所述的方法，其特征在于，所述基于候选中心词的词向量与查询文本的向量表示的余弦相似度提取中心词，包括：

计算候选中心词的词向量与查询文本的向量表示的余弦相似度；

若候选中心词的词向量与查询文本的向量表示的余弦相似度均小于预设值，则选择最大余弦相似度所对应的候选中心词作为中心词；

若部分候选中心词的词向量与查询文本的向量表示的余弦相似度大于或等于预设值，则选择该部分余弦相似度所对应的候选中心词作为中心词。

6.一种中心词提取装置，其特征在于，包括：

获取模块，用于获取用户输入的查询文本，用户针对查询文本对应的查询结果的点击行为数据，以及用户所点击声音的文本数据；

查询节点数据生成模块，用于根据查询文本，点击行为数据、声音的文本数据，生成查询节点数据；

目标分词确定模块，用于对查询文本进行分词处理，根据得到的分词确定查询文本的目标分词；

词向量生成模块，用于将所述目标分词输入词向量生成模型，得到目标分词的词向量；所述词向量生成模型是对预设模型进行训练得到的，所述词向量生成模型的训练数据基于查询节点数据构造；

查询文本向量表示确定模块，用于根据查询文本识别查询意图；基于相应意图类别的所有查询文本中目标分词的出现次数，相应意图类别所有查询文本的数量，以及所有查询文本中目标分词的出现次数确定目标分词于相应意图类别的权重；对查询文本中所有目标分词所对应的词向量进行加权求和，得到查询文本的向量表示；

知识库构建模块，用于基于声音的文本数据构建领域词汇知识库；

候选中心词确定模块，用于对目标分词进行词性标注处理，确定候选中心词；

中心词提取模块，用于将所述候选中心词输入词向量生成模型，得到候选中心词的词向量，基于候选中心词的词向量与查询文本的向量表示的余弦相似度提取中心词。

7.根据权利要求6所述的装置，其特征在于，所述知识库构建模块，包括：

领域词库挖掘子模块，用于基于声音的文本数据挖掘领域词库；

词库融合子模块，用于将领域词库与预先构建的基础词库进行融合，得到领域词汇知识库。