[发明专利]一种识别文本地域属性的方法、装置、服务器及存储介质

说明书

本发明公开了一种识别文本地域属性的方法、装置、服务器及存储介质，该方法包括：对待识别文本进行分词处理，得到文本词语集；根据文本词语集中词语对于待识别文本的重要程度，确定第一关键词语；将文本词语集中的词语与预置地域特征库中的地域特征进行匹配，确定文本词语集中的第二关键词语；将第一关键词语和第二关键词语作为待识别文本的文本关键词语；根据文本关键词语确定用于表征待识别文本的特征词向量序列；基于地域识别模型对特征词向量序列进行地域识别处理，得到待识别文本的地域属性；其中，地域识别模型是基于训练文本以及训练文本对应的地域属性标签进行机器学习确定的。本发明提高了对于待识别文本地域属性识别的准确性。

技术领域

本发明涉及计算机技术领域，特别涉及一种识别文本地域属性的方法、装置、服务器及存储介质。

背景技术

随着互联网技术的快速发展，越来越多的普通大众通过网络等途径向外发布他们本身的事实和新闻资讯，这种资讯的传播方式称为自媒体，自媒体传播方式的发展，使得资讯本身也越来越有地域性特点。目前的很多信息流应用中会进行本地化资讯推荐，也即根据信息流应用用户的地域来推荐具有该地域属性的资讯，因此，对于资讯所属地域分类的准确性将对本地化资讯推荐的准确性产生很大影响。

相关技术中，在识别资讯(如公众号资讯)的地域属性时，如“北京”地区的相关资讯，往往基于资讯匹配到的特定地域词条(如中国区，县，市，省等行政区划词典)的多少进行粗略判定，判定结果的准确性差，进而导致本地化资讯推荐的准确性大大降低。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种识别文本地域属性的方法、装置、服务器及存储介质。所述技术方案如下：

一方面，提供了一种识别文本地域属性的方法，所述方法包括：

对待识别文本进行分词处理，得到文本词语集；

根据所述文本词语集中词语对于所述待识别文本的重要程度，确定所述文本词语集中的第一关键词语；

将所述文本词语集中的词语与预置地域特征库中的地域特征进行匹配，确定所述文本词语集中的第二关键词语；

将所述第一关键词语和第二关键词语作为所述待识别文本的文本关键词语；

根据所述待识别文本的文本关键词语，确定用于表征所述待识别文本的特征词向量序列；

基于地域识别模型对所述特征词向量序列进行地域识别处理，得到所述待识别文本的地域属性；所述地域识别模型是基于训练文本以及所述训练文本对应的地域属性标签进行机器学习确定的。

另一方面，提供了一种识别文本地域属性的装置，所述装置包括：

分词模块，用于对待识别文本进行分词处理，得到文本词语集；

第一关键词语确定模块，用于根据所述文本词语集中词语对于所述待识别文本的重要程度，确定所述文本词语集中的第一关键词语；

第二关键词语确定模块，用于将所述文本词语集中的词语与预置地域特征库中的地域特征进行匹配，确定所述文本词语集中的第二关键词语；

文本关键词语确定模块，用于将所述第一关键词语和第二关键词语作为所述待识别文本的文本关键词语；

特征序列确定模块，用于根据所述待识别文本的文本关键词语，确定用于表征所述待识别文本的特征词向量序列；

地域识别模块，用于基于地域识别模型对所述特征词向量序列进行地域识别处理，得到所述待识别文本的地域属性；所述地域识别模型是基于训练文本以及所述训练文本对应的地域属性标签进行机器学习确定的。

可选的，所述地域特征包括从地域的地理名称、地域包含的标志性地点名称、地域包含的标识机构名称组成的群组中选择的至少一个。