[发明专利]互联网行动类信息线索分析的方法和系统

说明书

本发明公开了一种互联网行动类信息线索分析的方法，包括：从互联网获取信息文本；将信息文本输入预训练的行动线索标注算法模型中，应用预训练的行动线索标注算法模型获取信息文本中的行动类信息线索单词；其中，所述行动类信息线索单词的实体类型包括自定义类型，所述行动线索标注算法模型对属于自定义类型的单词的权重进行增量运算。本发明可以对采集内容进行快速的语法分析，获取内容中用户关注的时间、地点、人物和活动等行动类线索信息，这样就可以对关键词信息进行标注或分类，最终让用户可以很清晰、明了的查看线索信息内容。

技术领域

本发明涉及计算机信息技术领域。更具体地说，本发明涉及一种互联网行动类信息线 索分析的方法和系统。

背景技术

新闻网站、移动客户端App、即时通讯等是当今生活中人们生活中获取信息的一种不 可或缺的方式。根据2020年8月沃指数APP报告数据显示，新闻类网站的月活跃人数中，今日头条为24169万人，排名第二是腾讯新闻的17822万人，第三的是网易新闻的12714 万人；

在即时通讯类软件中，腾讯发布的2018年财报显示，微信的月活跃量是11亿，QQ的月活跃用户是7亿。2018年9月27，Facebook就宣布每日就有高达3亿的活跃用户。 目前筛选不法行为信息的方法主要是通过判断关键词的方法去识别分析内容中是否包含 指定线索。在面对海量信息的时候，这种方法效率略低，并且识别度也不高，无法从多维 度去分析内容信息。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种互联网行动类信息线索分析的方法和系统，可以对采 集内容进行快速的语法分析，获取内容中用户关注的时间、地点、人物和活动等行动类线 索信息，这样就可以对关键词信息进行标注或分类，最终让用户可以很清晰、明了的查看 线索信息内容。

为了实现根据本发明的这些目的和其它优点，提供了一种互联网行动类信息线索分析 的方法，其包括：

从互联网获取信息文本；

将信息文本输入预训练的行动线索标注算法模型中，应用预训练的行动线索标注算法 模型获取信息文本中的行动类信息线索单词；

其中，所述行动类信息线索单词的实体类型包括自定义类型，所述行动线索标注算法 模型对属于自定义类型的单词的权重进行增量运算。

优选的是，所述行动线索标注算法模型的预训练方法包括：

获取训练语料，对训练语料分词，再对每个单词进行第一类标注；

选择标签体系，根据标签体系对训练语料中的每个字符进行第二类标注，生成包含第 一类标注和第二类标注的训练数据，其中第二类标注包括行动类信息线索单词所属实体类 型的标注；

选择特征模板，根据行动类信息线索单词和/或行动类信息线索单词的第一类标注和/ 或行动类信息线索单词的第二类标注确定特征模板中的特征；

将训练数据和特征模板导入行动线索标注算法模型中进行训练，以得到获取行动类信 息线索单词的最优路径。

优选的是，所述第一类标注为词性标注，所述第二类标注还包括行动类信息线索单词 中每个字符的位置标注。

优选的是，所述行动类信息线索单词的实体类型还包括：时间、地点、人物。

优选的是，行动线索标注算法模型通过维特比算法解码获取行动类信息线索单词。

本发明还提供一种互联网行动类信息线索分析的系统，其包括：

文本获取模块，其用于从互联网获取信息文本；