[发明专利]课程标签的生成方法、装置、计算机设备及介质

说明书

本发明涉及数据处理领域，公开了一种课程标签的生成方法、装置、计算机设备及介质，所述方法包括：采集目标课程的交互评论数据，得到初始语句，对初始语句进行文本预处理，得到处理语句，采用预设的分词方式，对所述处理语句进行分词处理，得到目标分词，基于TF‑IDF算法，对目标分词进行词频和逆文本频率指数的计算，并通过词频和逆文本频率指数，确定目标分词的评估值，根据目标分词的评估值对目标分词进行排序，并从前往后选取预设阈值的目标分词，作为二级课程标签，通过聚类的方式，将二级课程标签归类到预设的一级课程标签下，得到目标课程的目标课程标签体系。本发明有利于提高课程标签体系生成的精准程度。

技术领域

本发明涉及数据处理领域，尤其涉及一种课程标签的生成方法、装置、计算机设备及介质。

背景技术

随着信息化技术的飞速发展，越来越多企业会向用户或员工提供一些学习课程，在一些知名的资源站点上，有众多种类的课程以及大量的用户群体，如何才能从供需的角度，更优的把各个群体关注的课程推送到，就需要获取海量课程的标签。同时，精准的课程标签还可以帮忙课程提供商对课程进行改进完善，目前除了课程上线时，人工标注的很粗粒度的标签外，还急需一种能够更高效、精准的、自动化获取课程标签的方法。

目前会有一些方案，是从课程相关的内容中获取一些文本信息，进而利用统计机器学习模型学习词语切分的规律（称为训练），从而实现对未知文本的切分，来实现关键信息的提取，作为课程标签。例如最大概率分词方法和最大熵分词方法等。在实际的应用中，基于统计的分词系统都需要使用分词词典来进行字符串匹配分词，这种方法具有局限性，在出现一些新词时，往往不能准确识别，使得的生成标签的准确性不够。

发明内容

本发明实施例提供一种课程标签的生成方法、装置、计算机设备和存储介质，以提高课程标签生成的精准程度。

为了解决上述技术问题，本申请实施例提供一种课程标签的生成方法，包括：

采集目标课程的交互评论数据，得到初始语句；

对所述初始语句进行文本预处理，得到处理语句；

采用预设的分词方式，对所述处理语句进行分词处理，得到目标分词；

针对每个所述目标分词，基于TF-IDF算法，对所述目标分词分别进行词频的计算和逆文本频率指数的计算，并通过得到的词频和得到的逆文本频率指数，确定所述目标分词的评估值；

根据所述目标分词的评估值对所述目标分词进行排序，并从前往后选取预设阈值的目标分词，作为二级课程标签；

通过聚类的方式，将所述二级课程标签归类到预设的一级课程标签下，得到所述目标课程的目标课程标签体系。

可选地，所述采集目标课程的交互评论数据，得到初始语句包括：

通过链接分析的方式，确定每个评论交互楼层的楼层权重；

根据每个所述楼层权重和预设权重阈值，确定目标楼层；

基于预设的排名策略，计算每个所述目标楼层的排名值，并根据所述排名值由大到小的顺序，对所述目标楼层进行排序，得到目标楼层队列；

基于所述目标楼层队列，抓取所述目标楼层中的内容，得到所述初始语句。

可选地，所述对所述初始语句进行文本预处理，得到处理语句包括：

对初始语句进行大小写统一和繁体转化，得到标准文本；

对所述标准文本进行无用词提取和标注，得到标注后的处理语句。

可选地，获取预设的训练语料库，并使用N-gram模型对所述预设的训练语料库进行分析，得到所述预设的训练语料库的词序列数据；