[发明专利]页面信息处理方法、装置及设备

说明书

本发明实施例提供一种页面信息处理方法、装置及设备，该方法包括：在至少一个网络页面中获取至少一个候选词组，每个候选词组中包括至少一个名词词性的词汇；获取每个候选词组的内部凝合度、外部自由度和重要程度，内部凝合度用于指示候选词组为一个完整词的概率，外部自由度用于指示候选词组与多个语言环境相匹配的概率，重要程度用于指示候选词将至少一个网络页面中的内容与其它内容区分开的概率；根据每个候选词组的内部凝合度、外部自由度和重要程度，在至少一个候选词组中确定产品词和服务词。提高了确定产品词和服务词的准确性。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种页面信息处理方法、装置及设备。

背景技术

目前，很多企业具有网络页面，网络页面中包括对企业的介绍信息。在实际应用过程中，需要在网络页面中提取企业的产品词和服务词，产品词和服务词可以描述一个企业主营业务和经营范围的关键信息。

在现有技术中，通常采用预设的处理模型在网页中提取企业的产品词和服务词。例如，可以先获取大量的样本数据，样本数据中包括网页和在网页中标注的企业的产品词和服务词，通过样本数据对神经网络进行训练，以得到处理模型。然而，在实际应用过程中，由于不同企业的产品词和服务词的差别比较大，因此，通过处理模型很难准确的在网页中提取企业的产品词和服务词，导致现有技术中在网页中提取企业的产品词和服务词的准确率较低。

发明内容

本发明实施例提供一种页面信息处理方法、装置及设备，提高了确定产品词和服务词的准确性。

第一方面，本发明实施例提供一种页面信息处理方法，包括：

在至少一个网络页面中获取至少一个候选词组，每个候选词组中包括至少一个名词词性的词汇；

获取每个候选词组的内部凝合度、外部自由度和重要程度，所述内部凝合度用于指示所述候选词组为一个完整词的概率，所述外部自由度用于指示所述候选词组与多个语言环境相匹配的概率，所述重要程度用于指示所述候选词将所述至少一个网络页面中的内容与其它内容区分开的概率；

根据每个候选词组的内部凝合度、外部自由度和重要程度，在所述至少一个候选词组中确定产品词和服务词。

在一种可能的实施方式中，根据每个候选词组的内部凝合度、外部自由度和重要程度，在所述至少一个候选词组中确定产品词和服务词，包括：

根据每个候选词组的内部凝合度，在所述至少一个候选词组中确定第一词组集合，所述第一词组集合中各词组的内部凝合度大于或等于第一阈值；

根据所述第一词组集合中每个词组的外部自由度，在所述第一词组集合中确定第二词组集合，所述第二词组集合中各词组的外部自由度大于或等于第二阈值；

根据所述第二词组集合中每个词组的重要程度，在所述第二词组集合中确定产品词和服务词。

在一种可能的实施方式中，所述根据所述第二词组集合中每个词组的重要程度，在所述第二词组集合中确定产品词和服务词，包括：

按照所述重要程度从高到低的顺序对所述第二词组集合中的词组进行排序；

将排序后的第二词组集合中前N个词组确定为产品词和服务词，所述N为大于或等于1的整数。

在一种可能的实施方式中，针对所述至少一个候选词组中的任意一个候选词组，获取所述候选词组的内部凝合度，包括：

获取所述候选词组中包括的第一词汇和第二词汇；

获取所述第一词汇在所述至少一个网络页面中出现的第一概率；

获取所述第二词汇在所述至少一个网络页面中出现的第二概率；

获取所述候选词组在所述至少一个网络页面中出现的第三概率；