[发明专利]文档标注方法、装置、电子设备及存储介质

权利要求书

1.一种文档标注方法，其特征在于，包括：

获取待标注文档和标签列表；

对所述待标注文档进行关键词抽取，得到多个关键词，并统计各个关键词在所述待标注文档中的词频；

基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的目标标签；

所述基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的目标标签，包括：

基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的多个标签的标签得分；

基于所述多个标签的标签得分，确定所述待标注文档的目标标签；

所述基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的多个标签的标签得分，包括：

基于如下公式，确定所述待标注文档的多个标签的标签得分：

；

其中，表示待标注文档的第个标签的标签得分，表示第个关键词，表示第个标签，表示关键词的总数，为第个关键词和第个标签的相似度，为第个关键词在待标注文档中的词频，是对进行归一化后的词频。

2.根据权利要求1所述的文档标注方法，其特征在于，所述基于所述多个标签的标签得分，确定所述待标注文档的目标标签，包括：

基于所述多个标签的标签得分，以及阈值得分和/或所述待标注文档的预设标签数目，对所述多个标签进行筛选，并将筛选所得的标签确定为所述待标注文档的目标标签。

3.根据权利要求1至2中任一项所述的文档标注方法，其特征在于，所述对所述待标注文档进行关键词抽取，得到多个关键词，包括：

应用关键词抽取模型，对所述待标注文档进行关键词抽取，得到多个关键词；

所述关键词抽取模型是基于样本文本和所述样本文本对应的样本关键词训练得到的。

4.根据权利要求3所述的文档标注方法，其特征在于，所述样本文本和所述样本文本对应的样本关键词的获取步骤，包括：

获取所述标签列表中各个标签相关的论文文档，所述论文文档自身携带有论文关键词；

基于所述论文文档，确定所述样本文本，基于所述论文关键词，确定所述样本文本对应的样本关键词。

5.根据权利要求4所述的文档标注方法，其特征在于，所述基于所述论文文档，确定所述样本文本，包括：

基于所述论文文档中的标题和摘要，确定样本文本。

6.一种文档标注装置，其特征在于，包括：

获取单元，用于获取待标注文档和标签列表；

关键词抽取单元，用于对所述待标注文档进行关键词抽取，得到多个关键词，并统计各个关键词在所述待标注文档中的词频；

确定标签单元，用于基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的目标标签；

所述基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的目标标签，包括：

基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的多个标签的标签得分；

基于所述多个标签的标签得分，确定所述待标注文档的目标标签；

所述基于所述各个关键词和所述标签列表中的各个标签之间的相似度，以及所述各个关键词在所述待标注文档中的词频，确定所述待标注文档的多个标签的标签得分，包括：

基于如下公式，确定所述待标注文档的多个标签的标签得分：

；

其中，表示待标注文档的第个标签的标签得分，表示第个关键词，表示第个标签，表示关键词的总数，为第个关键词和第个标签的相似度，为第个关键词在待标注文档中的词频，是对进行归一化后的词频。