[发明专利]网页主题句的抽取方法及装置

权利要求书

1.一种网页主题句的抽取方法，其特征在于，包括：

获取待确定网页、以及预先构建的机器学习模型；其中，所述待确定网页中包含多个预 选取的备选主题句，每个所述备选主题句中包含若干分词；

将表示所述分词在待确定网页中重要程度的词语特征值输入至所述机器学习模型，获 得所述分词的偏序值；

依据每个所述备选主题句包含的分词的偏序值，确定每个所述备选主题句各自的偏序 值；

将偏序值大于预设阈值的备选主题句确定为目标主题句。

2.根据权利要求1所述的网页主题句的抽取方法，其特征在于，所述机器学习模型的构 建方法具体包括：

获取若干网页样本的网页标题；其中，每个所述网页样本均对应若干用于召回网页样 本自身的查询语句，每个所述查询语句均具有权重值，所述权重值用于表示查询语句与该 查询语句召回的网页样本之间的关联程度；

针对每个所述网页标题，依据标注值公式label(termj)=Σm=0k(vm*wm(termj)/(Σn=0swm(termn))),]]>计算所述网页标题包含的每个分词的标注值；

其中，所述term_j表示网页标题中包含的第j个分词，label(term_j)表示分词term_j的标 注值，m表示某一个查询语句，k表示所述查询语句的个数，v_m表示查询语句m的权重值，w_m(term_j)表示分词term_j在查询语句m中的权重值，n表示网页标题中的某一个分词，s表示网 页标题中分词的个数；

针对每个所述网页标题，确定所述网页标题包含的每个分词用于表示分词在网页样本 中的重要程度的词语特征值；

依据预设的机器训练算法，对所述若干网页标题中每个分词的标注值及词语特征值进 行训练，获得机器学习模型。

3.根据权利要求2所述的网页主题句的抽取方法，其特征在于，所述机器训练算法为 GBRank训练算法，所述GBRank训练算法中的偏序比较方式为pairwise偏序比较，所述 GBRank训练算法中的损失函数为交叉熵。

4.根据权利要求1所述的网页主题句的抽取方法，其特征在于，所述依据每个所述备选 主题句包含的分词的偏序值，确定每个所述备选主题句各自的偏序值，包括：

针对每个所述备选主题句，将所述备选主题句中分词的偏序值进行加权求和，获得所 述备选主题句的偏序值。