[发明专利]标题正文相关度的确定方法、装置、设备及存储介质

说明书

本发明实施例公开了一种标题正文相关度的确定方法、装置、设备及存储介质。所述方法包括：获取待处理文本的标题分词结果、正文分词结果以及文本特征数据；将标题分词结果、正文分词结果以及文本特征数据输入标题正文相关度确定模型，得到待处理文本的标题正文相关度。本发明实施例的技术方案解决了现有技术中标题正文相关度难以体现文本的标题与正文之间的逻辑衔接关系的技术缺陷，通过挖掘标题与正文的逻辑关系，使得标题正文相关度可以更加准确地体现文章的标题与正文之间的语义相关性，提高了标题质量判定的准确度，另外，还可以准确地确定正文的主题内容不明确的文本的标题正文相关度。

技术领域

本发明实施例涉及模型训练技术领域，尤其涉及一种标题正文相关度的确定方法、装置、设备及存储介质。

背景技术

在目前的自媒体时代，有些作者为了吸引点击量，往往对新闻事实、娱乐八卦、时事评论、生活百科等文章断章取义，取一个吸引眼球却不符合事实的标题，或是为了发文量随意拼凑抄袭已有正文，再从正文中随意抽取一句话作为标题。由于标题的优劣是评判文章质量的一个要素，因此在尽量节省审核人员成本的前提下，一般会通过已有模型对标题质量进行自动判定。

现有技术中，标题质量判定方法具体是以文章正文中的每一个句子作为节点并以句子间的相似度作为权重，建立无向有权图，句子间的相似度可以通过word2vec或cosine等方法计算得到；对上述无向有权图实施TextRank关键句抽取算法，迭代传播各节点的权重，直至收敛；按照节点权重的倒序顺序，对各个句子进行排序，选取排序结果中前T个句子作为候选句，其中T为正整数；根据各个候选句与文章的标题之间的语义相似度，判定标题与正文的相关度，以此确定标题质量。

发明人在实现本发明的过程中，发现现有技术存在如下缺陷：将标题与正文作为两个独立的个体去计算他们之间的相关性，没有考虑到标题与正文之间的逻辑衔接关系，可能会导致标题质量判定错误。另外，只有当文章的正文内容主题明确时，才可以通过TextRank关键句抽取算法获取有效的候选句(即正文中与标题具有较高的语义相似度的句子)，进而准确确定标题质量。

发明内容

有鉴于此，本发明实施例提供了一种标题正文相关度的确定方法、装置、设备及存储介质，以优化现有的标题正文相关度的确定方法，通过挖掘标题与正文的逻辑关系，使得标题正文相关度可以更加准确地体现文章的标题与正文之间的语义相关性。

在第一方面，本发明实施例提供了一种标题正文相关度的确定方法，包括：

获取待处理文本的标题分词结果、正文分词结果以及文本特征数据；

将所述标题分词结果、所述正文分词结果以及所述文本特征数据输入标题正文相关度确定模型，得到所述待处理文本的标题正文相关度。

在第二方面，本发明实施例提供了一种标题正文相关度的确定装置，包括：

分词结果获取模块，用于获取待处理文本的标题分词结果、正文分词结果以及文本特征数据；

相关度获取模块，用于将所述标题分词结果、所述正文分词结果以及所述文本特征数据输入标题正文相关度确定模型，得到所述待处理文本对应的标题正文相关度。

在第三方面，本发明实施例提供了一种设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的标题正文相关度的确定方法。

在第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的标题正文相关度的确定方法。