[发明专利]文本内容标签标记方法以及装置

说明书

技术领域

本发明涉及电视网络技术领域，尤其是涉及一种文本内容标签标记方法以及装置。

背景技术

部署于广播电视网络环境下的CMS(Content Management System，内容管理系统)，使用J2EE技术体系进行开发，能够实现内容的分类分发，以使用户能够快速的查寻或者检索到自己想要的内容，为用户的搜索提供便利。

然而，随着网络应用的发展以及产品运营需求的不断扩大，现有的内容管理系统不能迅速跟进大量衍生内容信息，往往需要专业人员针对大量不同的新的内容进行人工分类，在分类之前，通常需要专业人员亲自访问网站，建立栏目，然后选择合适的文本内容放入相应的栏目下，最后还要检查网站文本内容以及质量，以确保文本内容收录在合适的分类下，通过这种完全人工操作的方式实现分类管理的过程，需要花费大量时间、人力和物力，而且对同一内容的分类往往比较单一，无法满足各种分类聚合需求，不利于用户快速、精确地搜索到自己想要的内容。

发明内容

有鉴于此，本发明的目的在于提供一种文本内容标签标记方法以及装置，能够利用互联网上已经完成内容分拣的文本内容，对目标文本内容进行自动化分拣，并不断优化分拣方式，实现标签与内容的多对多关系，从而使用户能够快速、精确地搜索到自己想要的内容。

第一方面，本发明实施例提供了一种文本内容标签标记方法，该方法包括：

获取与目标文本内容相匹配的已经分类过的文本内容的多个特征标签；

计算每一个特征标签与目标文本内容的分词片段的相似度；

使用相似度大于预设相似度阈值的特征标签对目标文本内容进行标记。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，获取与目标文本内容相匹配的已经分类过的文本内容的多个特征标签，具体包括：

获取与目标文本内容相匹配的已经分类过的文本内容的多个特征信息；

计算每一个特征信息的权重；

根据权重以及预设权重阈值进行判断，将达到预设权重阈值的特征信息确定为特征标签。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，获取与目标文本内容相匹配的已经分类过的文本内容的多个特征信息，具体包括：

通过抓取适配器抓取与目标文本内容相匹配的已经分类过的文本内容；

将文本内容进行分词处理，获得多个分词片段；

根据预设的干扰词汇模板，过滤多个分词片段中的干扰词汇；

将过滤了干扰词汇的多个分词片段作为多个特征信息。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，预设的干扰词汇模板包括：黑名单词汇以及无语义词汇；其中，无语义词汇包括：标点符号以及汉语高频词汇。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，在计算每一个特征标签与目标文本内容的分词片段的的相似度之前，还包括：

将目标文本内容进行分词处理，获得多个分词片段；

根据预设的干扰词汇模板，过滤多个分词片段中的干扰词汇。

结合第一方面以及第一方面的前四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，在使用相似度大于预设相似度阈值的特征标签对目标文本内容进行标记之后，还包括：

根据给目标文本内容标记的不同的标签，将目标文本内容分为不同的类别。

结合第一方面以及第一方面的前四种可能的实施方式，本发明实施例提供了第一方面的第六种可能的实施方式，其中，在使用相似度大于预设相似度阈值的特征标签对目标文本内容进行标记之后，还包括：

根据给目标文本内容标记的不同的标签，自动生成目标文本内容的主题。

第二方面，本发明实施例提供了一种文本内容标签标记装置，该装置包括：

标签获取单元，用于获取与目标文本内容相匹配的已经分类过的文本内容的多个特征标签；

相似度计算单元，用于计算每一个特征标签与目标文本内容的分词片段的相似度；

标签标记单元，用于使用相似度大于预设相似度阈值的特征标签对目标文本内容进行标记。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，标签获取单元包括：

信息获取模块，用于获取与目标文本内容相匹配的已经分类过的文本内容的多个特征信息；

权重计算模块，用于计算每一个特征信息的权重；