[发明专利]一种营销文本识别方法及系统

权利要求书

1.一种营销文本识别方法，其特征在于，包括：

获取待识别文本，并进行预处理；

基于预处理后的待识别文本，构建待识别文本的文本图；

基于待识别文本的文本图，生成文本级单词表示，并结合所有标签的嵌入表示，生成文本表示；

基于文本表示，采用分类器得到待识别文本是否属于营销文本的结果；

其中，标签的嵌入表示的获取方法为：基于训练集的文本图及其标签，生成主题单词概率分布，将主题单词概率分布映射到标签向量空间，并在标签图的指导下学习标签间的相关性关系和语义信息，得到标签的嵌入表示。

2.如权利要求1所述的一种营销文本识别方法，其特征在于，所述预处理包括清理非文本数据、去除停用词、移除低频词、移除高频词和词形还原。

3.如权利要求1所述的一种营销文本识别方法，其特征在于，所述文本图的构建方法为：对于一个文本，统计固定滑动窗口内单词的共现次数，以每个单词为文本图顶点，单词之间的共现次数为文本图的边。

4.如权利要求1所述的一种营销文本识别方法，其特征在于，所述标签图的构建方法为：对于训练集中的所有标签，统计固定滑动窗口内标签的共现次数，以每个标签为顶点，标签共现次数为边。

5.如权利要求1所述的一种营销文本识别方法，其特征在于，所述主题单词概率分布的生成方法为：

使用第一先验参数的狄利克雷函数为训练集单词集合中每一个单词生成对应于全部主题的多项式概率分布，得到主题单词概率分布；

对于训练集中的每个文本，基于训练集的文本图和其对应的标签信息生成第二先验参数，使用第二先验参数的狄利克雷函数生成主题分布，将所述主题分布作为多项式分布的参数，得到每个文本中每个单词对应的主题编号，将每个主题编号对应的词分布作为多项式分布的参数生成单词；

基于生成的单词，更新模型参数和主题单词概率分布。

6.如权利要求1所述的一种营销文本识别方法，其特征在于，所述文本级单词表示的生成方法为：

基于待识别文本的文本图，采用第一层门控图神经网络，合并每个文本图节点与一阶邻居节点，更新每个单词的嵌入表示；

基于更新后的每个单词的嵌入表示，采用第二层门控图神经网络，得到每个单词的文本级单词表示。

7.如权利要求1所述的一种营销文本识别方法，其特征在于，所述文本表示的生成方法为：

基于所述文本级单词表示和所有标签的嵌入表示，计算每个文本单词相对于每个标签的注意力值；

采用所述注意力值对所有标签的嵌入表示进行加权求和，得到每个单词的标签语义组件；

基于每个单词的标签语义组件，采用双向长短期记忆层，得到每个单词的标签表示；

将单词的标签表示与文本级单词表示拼接后进行加权，得到加权特征；

基于所述加权特征，进行最大池化、求和和取平均操作，得到文本表示。

8.一种营销文本识别系统，其特征在于，包括：

预处理模块，其被配置为：获取待识别文本，并进行预处理；

图构建模块，其被配置为：基于预处理后的待识别文本，构建待识别文本的文本图；

联合学习模块，其被配置为：基于待识别文本的文本图，生成文本级单词表示，并结合所有标签的嵌入表示，生成文本表示；

分类模块，其被配置为：基于文本表示，采用分类器得到待识别文本是否属于营销文本的结果；

其中，标签的嵌入表示的获取方法为：基于训练集的文本图及其标签，生成主题单词概率分布，将主题单词概率分布映射到标签向量空间，并在标签图的指导下学习标签间的相关性关系和语义信息，得到标签的嵌入表示。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种营销文本识别方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种营销文本识别方法中的步骤。