[发明专利]网页主题句的抽取方法及装置

说明书

技术领域

本申请涉及互联网应用技术领域，更具体地，是一种网页主题句的抽取方法及装 置。

背景技术

随着互联网技术的快速发展，互联网已经成为人们获得信息的重要渠道。具体地， 信息查询用户可以在搜索引擎中输入某个查询词语，搜索引擎便召回多个网页，以供用户 进行选择性查看。需要说明的是，为了方便用户的查看，召回的网页是按照与查询语句的相 关度，依次排列在搜索引擎中的。

其中，相关度即召回网页的主题句与查询语句的相似度。例如，查询语句为“乙肝 的症状”，召回网页1的主题句为“乙肝的症状有哪些”，召回网页2的主题句为“乙肝病毒传 播途径”。召回网页1的主题句与查询语句更相似，因此，召回网页1与查询语句更相关，进而 便会排列在搜索结果的较前位置。可见，网页主题句会直接影响召回网页的排列顺序，进而 影响用户对搜索结果的满意度。

目前，网页主题句的抽取方式是人工根据一些任意的网页总结抽取规则，依据该 抽取规则来确定某个待确定网页的主题句。然而，该种方式确定的主题句准确率较低。

发明内容

有鉴于此，本申请提供了一种网页主题句的抽取方法，用以解决技术中确定的主 题句准确率较低的技术问题。另外，本申请还提供了一种网页主题句的抽取装置，用以保证 所述方法在实际中的应用及实现。

为实现所述目的，本申请提供的技术方案如下：

本申请的第一方面提供了一种网页主题句的抽取方法，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。

本申请的第二方面提供了一种网页主题句的抽取装置，包括：

网页及模型获取模块，用于获取待确定网页、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；

分词偏序值确定模块，用于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；

主题句偏序确定模块，用于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；

目标主题句确定模块，用于将偏序值大于预设阈值的备选主题句确定为目标主题 句。

由以上可知，本申请具有如下优点：

本申请提供的网页主题句的抽取方法实施例，首先获取到待确定的网页，待确定 网页中包含多个备选的主题句，备选主题句中包含若干分词，分别确定每个分词的词语特 征值，将词语特征值输入至预设的机器学习模型中，从而获得分词的偏序值，进一步依据分 词的偏序值，确定出备选主题句的偏序值，最终将偏序值大于预设阈值的备选主题句确定 为目标主题句。可见，本实施例利用机器学习模型，来获得备选主题句的偏序值，由于机器 学习模型可以反映查询语句与召回的网页之间的关联程度，因此，确定出的偏序值更加准 确，从而提高了目标主题句的选取准确率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。

图1为本申请提供的网页主题句的抽取方法实施例1的流程图；

图2为本申请提供的机器学习模型的构建方法流程图；

图3为本申请提供的网页主题句的抽取装置实施例1的结构框图；

图4为本申请提供的网页主题句的抽取装置实施例2的结构框图。

具体实施方式