[发明专利]一种目标文本识别方法及装置

说明书

本发明实施例提供了一种目标文本识别方法及装置，其中方法包括：获取待处理的文本，所述文本包含一条或多条自然语言语句；获取每条语句的特征值，其中所述特征值为所述语句是目标语句的概率；根据每条语句的特征值获取所述文本的预设指标值；根据所述预设指标值及预先构建的目标文本识别模型，对所述文本是否属于目标文本进行识别。本发明可自动评判一篇文本是否属于目标文本(例如优美文章)，从而大大提高了目标文本的识别效率；同时，本发明的识别标准是基于客观的特征及模型，使得识别结果也较为客观，从而避免了人工识别时的主观性问题。

技术领域

本案涉及自然语言处理领域，尤其是一种目标文本识别方法及装置。

背景技术

人们在阅读各种文本(例如文章、学生的作文或其他文本内容)时，往往会有判断当前文本是否属于目标文本(例如优美文章)的需求。现有的目标文本识别方法一般是依靠人工对文章进行阅读，例如老师逐一阅读学生的作文，然后再判断该文章是否属于目标文章。

然而，发明人在实现本发明的过程中发现，随着信息技术的飞速发展，教育行业也开始步入信息化时代，涌现出了众多的在线教育平台，越来越多的学生也开始习惯在线教育的方式，在同一个在线教育平台上，大量学生作为用户进行在线学习、在线考试等操作，此时老师面对的学生不再是传统的一个班几十个学生，而是数以万计的平台用户。在这种新形势下，老师的工作量开始成倍增长，尤其是老师对作文是否是目标文本的评判，更是费时费力。同时，老师一篇篇的批改作文时，主观性往往较大，不同老师对同一篇作文是否是目标文本的评判结果很有可能不同，即识别结果完全依赖阅读文章的人，不利于学生作文水平的提高。因此，当前在线教育等行业亟须一种可以高效、客观的识别出目标文本的方法。

发明内容

本发明提供一种目标文本识别方法及装置，以提高对目标文本识别的效率。

根据本发明实施例的第一方面，提供了一种目标文本识别方法，所述方法包括：

获取待处理的文本，所述文本包含一条或多条自然语言语句；

获取每条语句的特征值，其中所述特征值为所述语句是目标语句的概率；

根据每条语句的特征值获取所述文本的预设指标值；

根据所述预设指标值及预先构建的目标文本识别模型，对所述文本是否属于目标文本进行识别。

可选的，所述预设指标值包括以下一种或多种：

各语句特征值的最大值；

各语句特征值的最小值；

各语句特征值的平均值；

目标语句占比，用于指示所述文本中目标语句数量与所述文本中语句总数的比值；

目标语句分布，用于指示所述文本中各目标语句在所划分的不同区间内的分布；

目标语句指定集合的特征值均值。

可选的，获取所述文本的目标语句分布，包括：

将特征值的取值划分为多个区间；

统计所述文本中落入每个所述区间的目标语句数；

计算落入每个所述区间的目标语句数与所述文本中语句总数的比值，以得到每个所述区间内目标语句占比，将所有所述区间内目标语句占比作为所述文本的目标语句分布。

可选的，获取所述文本的目标语句指定集合的特征值均值，包括：

根据预设规则确定所述文本的目标语句指定集合；

计算所述集合内语句特征值的平均值，以得到所述文本的目标语句指定集合的特征值均值。