[发明专利]确定文章概念标签的方法、装置、设备及存储介质

说明书

本申请公开了一种确定文章概念标签的方法、装置、设备及存储介质，属于互联网技术领域。所述方法包括：确定的目标文章对应的至少一个关键词；基于所述至少一个关键词、占位符以及所述目标文章，组成预训练语言模型的输入数据；将所述输入数据输入到所述预训练语言模型，由所述预训练语言模型输出所述占位符对应的预测词；将所述预测词以及所述至少一个关键词组成所述目标文章的概念标签。采用本申请，能够提高得到文章对应概念标签的灵活性。

技术领域

本申请涉及互联网技术领域，特别涉及一种确定文章概念标签的方法、装置、设备及存储介质。

背景技术

概念标签是用于表示一篇文章关键信息的标签，一般可以是一个词语或短语，例如对于一篇介绍周星驰电影的文章对应的概念标签可以是“周星驰电影”。概念标签可用于对文章进行分类，或者可以根据文章的概念标签以及用户的用户画像为用户推荐文章等。

在相关技术中，概念标签可以通过现有的分类模型得到，即技术人员可以预先设置一定数量的概念标签，将每个概念标签作为一个类别，再根据不同类别的样本文章对分类模型进行训练。在确定一篇文章对应的概念标签时，可以将文章的内容输入到完成训练的分类模型中，由分类模型得到每个类别(即概念标签)的置信度，并将置信度最高的概念标签确定为该文章的概念标签。

在实现本申请的过程中，发明人发现相关技术至少存在以下问题：

在相关技术中，通过分类模型得到文章的概念标签都是技术人员预先设置的，如果对于一篇文章，在技术人员预先设置的概念标签中，并没有符合该文章的概念标签，则通过分类模型得到的概念标签并不准确，可见当前得到文章对应概念标签的方式并不灵活。

发明内容

本申请实施例提供了一种确定文章概念标签的方法、装置、设备及存储介质，能够提高得到文章对应概念标签的灵活性。所述技术方案如下：

第一方面，提供了一种确定文章概念标签的方法，所述方法包括：

确定的目标文章对应的至少一个关键词；

基于所述至少一个关键词、占位符以及所述目标文章，组成预训练语言模型的输入数据；

将所述输入数据输入到所述预训练语言模型，由所述预训练语言模型输出所述占位符对应的预测词；

将所述预测词以及所述至少一个关键词组成所述目标文章的概念标签。

可选的，所述基于所述至少一个关键词、占位符以及所述目标文章，组成预训练语言模型的输入数据，包括：

在每个关键词的前后位置分别添加预设数目个占位符；

将添加所述占位符的关键词和所述目标文章的标题和正文进行拼接，得到所述预训练语言模型的输入数据。

可选的，所述将所述输入数据输入到所述预训练语言模型之前，所述方法还包括：

获取样本文章，以及所述样本文章对应的样本概念标签；

将所述样本概念标签中除所述样本文章中关键词外的其他词替换为所述占位符，得到用于训练所述预训练语言模型的训练概念标签；

将所述训练概念标签与所述样本文章输入所述待训练的预训练语言模型，由所述待训练的预训练语言模型输出所述训练概念标签中占位符对应的预测词；

基于所述占位符对应的预测词以及所述占位符替换掉的其他词，确定训练损失值，基于所述训练损失值对所述待训练的预训练语言模型进行训练，得到训练后的预训练语言模型。

可选的，所述获取样本文章，以及所述样本文章对应的样本概念标签，包括：

获取用户的搜索词，以及用户搜索所述搜索词后，在对应的搜索结果中点击的文章；