文本关键词关联方法、装置、设备及存储介质与流程

阅读：评论：0

1.本发明涉及人工智能技术领域，尤其涉及一种文本关键词关联方法、装置、电子设备及可读存储介质。

背景技术：

2.随着人工智能的发展，文本分析变的越来越重要，在进行大规模文本分析时，经常需要知道这些文本主要讲了什么，通常会提取文本中的关键词，然后对关键字进行关联词汇分析，这样会比较直观的了解这些文本的大致意思。
3.现有技术中，常见的对关键字进行关联词汇方法主要是通过筛选词频(热词分析、词云图等)、分词词性、pmi(点互信息)这些参数来确定关联词汇。然而，这些仅通过规则参数的词汇关联效果并不理想，会有很多噪音，并且文本量越多，会导致关联词汇太多，不能准确的对关键词进行词汇关联。

技术实现要素：

4.本发明提供一种文本关键词关联方法、装置、电子设备及可读存储介质，其主要目的在于可以提高文本关键词关联的准确性。
5.为实现上述目的，本发明提供的一种文本关键词关联方法，包括：
6.在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；
7.获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；
8.获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；
9.利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
10.可选地，所述在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型，包括：
11.在所述基础向量转换网络的输入层后添加实体识别层及过滤层；
12.在所述基础向量转换网络的映射层及输出层中间添加依存句法分析层及词性标注层，其中，所述依存语法分析层与所述词性标注层串联；
13.将添加所述实体识别层、过滤层、依存句法分析层及词性标注层的模型作为原始向量转换模型。
14.可选地，所述利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型，包括：
15.利用预设大小的滑动窗口对所述业务文本数据集合中的文本进行滑动选取，得到第一训练文本集合并输入至原始向量转换模型的输入层中；
16.利用所述原始向量转换模型的实体识别层对所述第一训练文本集合中的文本进行实体识别并标记，将预设标记的实体进行删除处理，得到第二训练文本集合；
17.利用所述原始向量转换模型的过滤层对所述第二训练文本集合中预设类型的文本进行删除处理，得到第三训练文本集合；
18.对所述第三训练文本集合中的文本进行独热编码，得到编码向量集合；
19.利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均，得到加权向量；
20.利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量；
21.利用所述原始向量转换模型的输出层输出所述拼接向量的预测概率，在所述预测概率小于预构建的预测阈值时，调整原始向量转换模型的模型参数，并返回所述利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均的步骤，直至所述原始向量转换模型收敛，停止训练，得到所述标准向量转换模型。
22.可选地，所述利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量，包括：
23.利用所述依存句法分析层标记所述加权向量中单词间的语法关系，得到语法关系向量；
24.利用所述词性标注层标记所述加权向量中单词间的词性关系，得到词性标注向量；
25.拼接所述语法关系向量及所述标注向量得到拼接向量。
26.可选地，所述基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合，包括：
27.对所述待关联文本进行分词处理，并统计各分词的词频，将词频大于或等于预设词频阈值的分词作为高频词汇；
28.计算各高频词汇间的点互信息，将点互信息大于或等于预设信息阈值的高频词汇作为候选关联词，汇总所有的候选关联词得到候选关联词集合。
29.可选地，所述利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图，包括：
30.基于用户指令从所述候选关联词集合中选取目标关键词；
31.利用所述标准向量转换模型对候选关联词集合中的目标关键词及非目标关键词进行向量转化，得到包含目标向量及非目标向量的关联词向量集合；
32.计算所述非目标向量与所述目标向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第一关联向量；
33.计算所述非目标向量与所述第一关联向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第二关联向量；
34.将所述目标向量对应的目标关键词作为根节点，将所述第一关联向量对应的候选关联词作为第一关联节点，将所述第二关联向量对应的候选关联词作为第二关联节点；
35.将根节点与第一关联节点相连，以及将第一关联节点与第二关联节点相连，得到
关联词汇图。
36.可选地，通过下述公式计算所述加权向量：
[0037][0038]
其中，v(t)表示加权向量，ek表示第k个文本向量，w1k表示第k个文本向量对应的第一权值矩阵，n表示第三训练文本集合的文本数量。
[0039]
为了解决上述问题，本发明还提供一种文本关键词关联装置，所述装置包括：
[0040]
模型构建模块，用于在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；
[0041]
模型训练模块，用于获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；
[0042]
候选关联词提取模块，用于获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；
[0043]
文本关键词关联模块，用于利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
[0044]
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
[0045]
存储器，存储至少一个计算机程序；及
[0046]
处理器，执行所述存储器中存储的计算机程序以实现上述所述的文本关键词关联方法。
[0047]
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的文本关键词关联方法。
[0048]
本发明通过在预构建的基础向量转换网络中添加多个语义特征层，并利用真实业务的业务文本数据集合对原始向量转换模型进行模型训练，可以减少了噪音数据，学习到语义间的关联关系，提高了词汇关联的准确度。同时，先经过词频及点互信息值提取候选关联词集合，再利用标准向量转换模型对候选关联词进行向量转化，进一步通过向量间的相似度确定各候选关联词汇的紧密度，并得到关联词汇图，可以准确直观的反映词汇间的关联关系。因此本发明提出的文本关键词关联方法、装置、电子设备及计算机可读存储介质，可以提高文本关键词关联的准确性。
附图说明
[0049]
图1为本发明一实施例提供的文本关键词关联方法的流程示意图；
[0050]
图2为本发明一实施例提供的文本关键词关联装置的功能模块图；
[0051]
图3为本发明一实施例提供的实现所述文本关键词关联方法的电子设备的结构示意图。
[0052]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0053]
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0054]
本发明实施例提供一种文本关键词关联方法。所述文本关键词关联方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述文本关键词关联方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集、云端服务器或云端服务器集等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdelivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
[0055]
参照图1所示，为本发明一实施例提供的文本关键词关联方法的流程示意图。在本实施例中，所述文本关键词关联方法包括以下步骤s1-s4：
[0056]
s1、在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型。
[0057]
本发明实施例中，所述预构建的基础向量转换网络可以为cbow(continous bag of words model，连续词袋模型)模型，中心思想是结合上下文信息去预测中间的词，以此来训练各词的词向量。
[0058]
本发明一可选实施例中，所述预构建的基础向量转换网络包括输入层、映射层及输出层。
[0059]
所述基础向量转换网络主要包括input(输入)层，projection(映射)层，output(输出)层，其中，输入层获得每个词的词向量，映射层用来做向量的叠加，在输出层通过词向量回归分析操作来得到预测的关键词。
[0060]
本发明实施例中，所述在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型，包括：
[0061]
在所述基础向量转换网络的输入层后添加实体识别层及过滤层；
[0062]
在所述基础向量转换网络的映射层及输出层中间添加依存句法分析层及词性标注层，其中，所述依存语法分析层与所述词性标注层串联；
[0063]
将添加所述实体识别层、过滤层、依存句法分析层及词性标注层的模型作为原始向量转换模型。
[0064]
本发明一可选实施例中，所述多个语义特征层包括实体识别层、过滤层、依存句法分析层及词性标注层。其中，所述实体识别(named entity recognition，ner)层用来将文本中的一些实体进行标记或过滤，如时间、数字、金额等进行过滤；所述过滤(filtering)层，用来将一些无实际意义的字词进行过滤，如标点符号、停用词、虚词等；所述依存句法分析(dependency parsing，dep)层用来分析一个句子中单词与单词之间的语法关系，并将其表示为树形结构，即得到上下文的依存关系；所述词性标注(part-of-speech tagging，pos)层用来标注句子中每个单词的词性(也称词类、语法类别等)，例如，以hanlp自然语言处理工具包为例，主要有hmm词性标注，感知机词性标注，crf词性标注等方法。
[0065]
本发明实施例中，通过添加多个语义特征层，可以让模型输出更加关注文本的上下文信息的词向量，从而提高关键词汇关联的准确性。
[0066]
s2、获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型。
[0067]
本发明实施例中，所述业务文本数据集合可以为不同领域的业务文本，例如，金融领域中，所述业务文本数据集合可以为保险、基金等产品的产品文本、交易文本、用户文本等。
[0068]
详细地，所述利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型，包括：
[0069]
利用预设大小的滑动窗口对所述业务文本数据集合中的文本进行滑动选取，得到第一训练文本集合并输入至原始向量转换模型的输入层中；
[0070]
利用所述原始向量转换模型的实体识别层对所述第一训练文本集合中的文本进行实体识别并标记，将预设标记的实体进行删除处理，得到第二训练文本集合；
[0071]
利用所述原始向量转换模型的过滤层对所述第二训练文本集合中预设类型的文本进行删除处理，得到第三训练文本集合；
[0072]
对所述第三训练文本集合中的文本进行独热编码，得到编码向量集合；
[0073]
利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均，得到加权向量；
[0074]
利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量；
[0075]
利用所述原始向量转换模型的输出层输出所述拼接向量的预测概率，在所述预测概率小于预构建的预测阈值时，调整原始向量转换模型的模型参数，并返回所述利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均的步骤，直至所述原始向量转换模型收敛，停止训练，得到所述标准向量转换模型。
[0076]
本发明一可选实施例中，所述滑动窗口的大小为n，则选取中心词前后n个词作为训练文本。例如，业务文本为“xx为货币基金”，n＝2时，当中间词为“币”时，输入层输入的文本为“为”、“货”、“基”、“金”。所述预设标记可以为数字标记，通过将数字标记的实体删除可以对时间、数字、金额等进行过滤；预设类型的文本可以为预设的停用词、虚词等。
[0077]
本发明一可选实施例中，通过下述公式计算所述加权向量：
[0078][0079]
其中，v(t)表示加权向量，ek表示第k个文本向量，w1k表示第k个文本向量对应的第一权值矩阵，n表示第三训练文本集合的文本数量。
[0080]
详细地，所述利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量，包括：
[0081]
利用所述依存句法分析层标记所述加权向量中单词间的语法关系，得到语法关系向量；
[0082]
利用所述词性标注层标记所述加权向量中单词间的词性关系，得到词性标注向量；
[0083]
拼接所述语法关系向量及所述标注向量得到拼接向量。
[0084]
本发明一可选实施例中，可以通过hanlp自然语言处理工具包来构建依存句法分析层及词性标注层。
[0085]
本发明一可选实施例中，对于输入层中的业务文本，通过ner层、filtering层过滤后，然后对文本进行one-hot编码，编码向量，在sum层中将编码向量与第一权值矩阵w1相乘，再取各向量的平均，得到加权向量，将加权向量分别输入dep和pos层，拼接后得到拼接向量，再与第二权值矩阵w2相乘，输出到后一层output层，并且用softmax去预测中间词的预测概率，重复进行迭代，得到标准向量转换模型，由于改进了传统的cbow模型，充分利用多种语言学知识(ner、dep、pos等)，让模型更加精准地学习关键词汇间的关联信息，在大规模的金融文本上训练，得到更加适合金融领域的知识的词向量。
[0086]
s3、获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合。
[0087]
本发明实施例中，所述待关联文本可以为金融领域中的待进行词汇关联的文本。所述点互信息值(pointwise mutual information，pmi)用来衡量两个词语之间的相关性。
[0088]
详细地，所述基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合，包括：
[0089]
对所述待关联文本进行分词处理，并统计各分词的词频，将词频大于或等于预设词频阈值的分词作为高频词汇；
[0090]
计算各高频词汇间的点互信息，将点互信息大于或等于预设信息阈值的高频词汇作为候选关联词，汇总所有的候选关联词得到候选关联词集合。
[0091]
本发明一可选实施例中，通过下述公式计算高频词汇间的点互信息：
[0092][0093]
其中，pmi(x,y)表示高频词汇x和高频词汇y间的点互信息，p(x,y)表示高频词汇x和高频词汇y同时出现的概率，p(x)表示高频词汇x出现的概率，p(y)表示高频词汇y出现的概率。
[0094]
s4、利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
[0095]
详细地，所述利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图，包括：
[0096]
基于用户指令从所述候选关联词集合中选取目标关键词；
[0097]
利用所述标准向量转换模型对候选关联词集合中的目标关键词及非目标关键词进行向量转化，得到包含目标向量及非目标向量的关联词向量集合；
[0098]
计算所述非目标向量与所述目标向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第一关联向量；
[0099]
计算所述非目标向量与所述第一关联向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第二关联向量；
[0100]
将所述目标向量对应的目标关键词作为根节点，将所述第一关联向量对应的候选
关联词作为第一关联节点，将所述第二关联向量对应的候选关联词作为第二关联节点；
[0101]
将根节点与第一关联节点相连，以及将第一关联节点与第二关联节点相连，得到关联词汇图。
[0102]
本发明实施例中，经过标准向量转换模型进行向量转化，可以在向量中添加语义特征，提高了语义关联的准确性。
[0103]
本发明一可选实施例，可以通过余弦相似度算法计算向量间的相似度
[0104]
本发明通过在预构建的基础向量转换网络中添加多个语义特征层，并利用真实业务的业务文本数据集合对原始向量转换模型进行模型训练，可以减少了噪音数据，学习到语义间的关联关系，提高了词汇关联的准确度。同时，先经过词频及点互信息值提取候选关联词集合，再利用标准向量转换模型对候选关联词进行向量转化，进一步通过向量间的相似度确定各候选关联词汇的紧密度，并得到关联词汇图，可以准确直观的反映词汇间的关联关系。因此本发明提出的文本关键词关联方法，可以提高文本关键词关联的准确性。
[0105]
如图2所示，是本发明一实施例提供的文本关键词关联装置的功能模块图。
[0106]
本发明所述文本关键词关联装置100可以安装于电子设备中。根据实现的功能，所述文本关键词关联装置100可以包括模型构建模块101、模型训练模块102、候选关联词提取模块103及文本关键词关联模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0107]
在本实施例中，关于各模块/单元的功能如下：
[0108]
所述模型构建模块101，用于在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；
[0109]
所述模型训练模块102，用于获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；
[0110]
所述候选关联词提取模块103，用于获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；
[0111]
所述文本关键词关联模块104，用于利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
[0112]
详细地，所述文本关键词关联装置100各模块的具体实施方式如下：
[0113]
步骤一、在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型。
[0114]
本发明实施例中，所述预构建的基础向量转换网络可以为cbow(continous bag of words model，连续词袋模型)模型，中心思想是结合上下文信息去预测中间的词，以此来训练各词的词向量。
[0115]
本发明一可选实施例中，所述预构建的基础向量转换网络包括输入层、映射层及输出层。
[0116]
所述基础向量转换网络主要包括input(输入)层，projection(映射)层，output(输出)层，其中，输入层获得每个词的词向量，映射层用来做向量的叠加，在输出层通过词向量回归分析操作来得到预测的关键词。
[0117]
本发明实施例中，所述在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型，包括：
[0118]
在所述基础向量转换网络的输入层后添加实体识别层及过滤层；
[0119]
在所述基础向量转换网络的映射层及输出层中间添加依存句法分析层及词性标注层，其中，所述依存语法分析层与所述词性标注层串联；
[0120]
将添加所述实体识别层、过滤层、依存句法分析层及词性标注层的模型作为原始向量转换模型。
[0121]
本发明一可选实施例中，所述多个语义特征层包括实体识别层、过滤层、依存句法分析层及词性标注层。其中，所述实体识别(named entity recognition，ner)层用来将文本中的一些实体进行标记或过滤，如时间、数字、金额等进行过滤；所述过滤(filtering)层，用来将一些无实际意义的字词进行过滤，如标点符号、停用词、虚词等；所述依存句法分析(dependency parsing，dep)层用来分析一个句子中单词与单词之间的语法关系，并将其表示为树形结构，即得到上下文的依存关系；所述词性标注(part-of-speech tagging，pos)层用来标注句子中每个单词的词性(也称词类、语法类别等)，例如，以hanlp自然语言处理工具包为例，主要有hmm词性标注，感知机词性标注，crf词性标注等方法。
[0122]
本发明实施例中，通过添加多个语义特征层，可以让模型输出更加关注文本的上下文信息的词向量，从而提高关键词汇关联的准确性。
[0123]
步骤二、获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型。
[0124]
本发明实施例中，所述业务文本数据集合可以为不同领域的业务文本，例如，金融领域中，所述业务文本数据集合可以为保险、基金等产品的产品文本、交易文本、用户文本等。
[0125]
详细地，所述利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型，包括：
[0126]
利用预设大小的滑动窗口对所述业务文本数据集合中的文本进行滑动选取，得到第一训练文本集合并输入至原始向量转换模型的输入层中；
[0127]
利用所述原始向量转换模型的实体识别层对所述第一训练文本集合中的文本进行实体识别并标记，将预设标记的实体进行删除处理，得到第二训练文本集合；
[0128]
利用所述原始向量转换模型的过滤层对所述第二训练文本集合中预设类型的文本进行删除处理，得到第三训练文本集合；
[0129]
对所述第三训练文本集合中的文本进行独热编码，得到编码向量集合；
[0130]
利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均，得到加权向量；
[0131]
利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量；
[0132]
利用所述原始向量转换模型的输出层输出所述拼接向量的预测概率，在所述预测概率小于预构建的预测阈值时，调整原始向量转换模型的模型参数，并返回所述利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均的步骤，直至所述原始向量转换模型收敛，停止训练，得到所述标准向量转换模型。
[0133]
本发明一可选实施例中，所述滑动窗口的大小为n，则选取中心词前后n个词作为训练文本。例如，业务文本为“xx为货币基金”，n＝2时，当中间词为“币”时，输入层输入的文本为“为”、“货”、“基”、“金”。所述预设标记可以为数字标记，通过将数字标记的实体删除可以对时间、数字、金额等进行过滤；预设类型的文本可以为预设的停用词、虚词等。
[0134]
本发明一可选实施例中，通过下述公式计算所述加权向量：
[0135][0136]
其中，v(t)表示加权向量，ek表示第k个文本向量，w1k表示第k个文本向量对应的第一权值矩阵，n表示第三训练文本集合的文本数量。
[0137]
详细地，所述利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量，包括：
[0138]
利用所述依存句法分析层标记所述加权向量中单词间的语法关系，得到语法关系向量；
[0139]
利用所述词性标注层标记所述加权向量中单词间的词性关系，得到词性标注向量；
[0140]
拼接所述语法关系向量及所述标注向量得到拼接向量。
[0141]
本发明一可选实施例中，可以通过hanlp自然语言处理工具包来构建依存句法分析层及词性标注层。
[0142]
本发明一可选实施例中，对于输入层中的业务文本，通过ner层、filtering层过滤后，然后对文本进行one-hot编码，编码向量，在sum层中将编码向量与第一权值矩阵w1相乘，再取各向量的平均，得到加权向量，将加权向量分别输入dep和pos层，拼接后得到拼接向量，再与第二权值矩阵w2相乘，输出到后一层output层，并且用softmax去预测中间词的预测概率，重复进行迭代，得到标准向量转换模型，由于改进了传统的cbow模型，充分利用多种语言学知识(ner、dep、pos等)，让模型更加精准地学习关键词汇间的关联信息，在大规模的金融文本上训练，得到更加适合金融领域的知识的词向量。
[0143]
步骤三、获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合。
[0144]
本发明实施例中，所述待关联文本可以为金融领域中的待进行词汇关联的文本。所述点互信息值(pointwise mutual information，pmi)用来衡量两个词语之间的相关性。
[0145]
详细地，所述基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合，包括：
[0146]
对所述待关联文本进行分词处理，并统计各分词的词频，将词频大于或等于预设词频阈值的分词作为高频词汇；
[0147]
计算各高频词汇间的点互信息，将点互信息大于或等于预设信息阈值的高频词汇作为候选关联词，汇总所有的候选关联词得到候选关联词集合。
[0148]
本发明一可选实施例中，通过下述公式计算高频词汇间的点互信息：
[0149]
[0150]
其中，pmi(x,y)表示高频词汇x和高频词汇y间的点互信息，p(x,y)表示高频词汇x和高频词汇y同时出现的概率，p(x)表示高频词汇x出现的概率，p(y)表示高频词汇y出现的概率。
[0151]
步骤四、利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
[0152]
详细地，所述利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图，包括：
[0153]
基于用户指令从所述候选关联词集合中选取目标关键词；
[0154]
利用所述标准向量转换模型对候选关联词集合中的目标关键词及非目标关键词进行向量转化，得到包含目标向量及非目标向量的关联词向量集合；
[0155]
计算所述非目标向量与所述目标向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第一关联向量；
[0156]
计算所述非目标向量与所述第一关联向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第二关联向量；
[0157]
将所述目标向量对应的目标关键词作为根节点，将所述第一关联向量对应的候选关联词作为第一关联节点，将所述第二关联向量对应的候选关联词作为第二关联节点
[0158]
将根节点与第一关联节点相连，以及将第一关联节点与第二关联节点相连，得到关联词汇图。
[0159]
本发明实施例中，经过标准向量转换模型进行向量转化，可以在向量中添加语义特征，提高了语义关联的准确性。
[0160]
本发明一可选实施例，可以通过余弦相似度算法计算向量间的相似度
[0161]
本发明通过在预构建的基础向量转换网络中添加多个语义特征层，并利用真实业务的业务文本数据集合对原始向量转换模型进行模型训练，可以减少了噪音数据，学习到语义间的关联关系，提高了词汇关联的准确度。同时，先经过词频及点互信息值提取候选关联词集合，再利用标准向量转换模型对候选关联词进行向量转化，进一步通过向量间的相似度确定各候选关联词汇的紧密度，并得到关联词汇图，可以准确直观的反映词汇间的关联关系。因此本发明提出的文本关键词关联装置，可以提高文本关键词关联的准确性。
[0162]
如图3所示，是本发明一实施例提供的实现所述文本关键词关联方法的电子设备的结构示意图。
[0163]
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如文本关键词关联程序。
[0164]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备
的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如文本关键词关联程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0165]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如文本关键词关联程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
[0166]
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
[0167]
所述总线13可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0168]
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0169]
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
[0170]
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
[0171]
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界
面。
[0172]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0173]
所述电子设备中的所述存储器11存储的文本关键词关联程序是多个指令的组合，在所述处理器10中运行时，可以实现：
[0174]
在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；
[0175]
获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；
[0176]
获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；
[0177]
利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
[0178]
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
[0179]
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)。
[0180]
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
[0181]
在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；
[0182]
获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；
[0183]
获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；
[0184]
利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。
[0185]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0186]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0187]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0188]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0189]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
[0190]
本发明实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0191]
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0192]
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
[0193]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0194]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

技术特征：

1.一种文本关键词关联方法，其特征在于，所述方法包括：在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。2.如权利要求1所述的文本关键词关联方法，其特征在于，所述在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型，包括：在所述基础向量转换网络的输入层后添加实体识别层及过滤层；在所述基础向量转换网络的映射层及输出层中间添加依存句法分析层及词性标注层，其中，所述依存语法分析层与所述词性标注层串联；将添加所述实体识别层、过滤层、依存句法分析层及词性标注层的模型作为原始向量转换模型。3.如权利要求2中所述的文本关键词关联方法，其特征在于，所述利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型，包括：利用预设大小的滑动窗口对所述业务文本数据集合中的文本进行滑动选取，得到第一训练文本集合并输入至原始向量转换模型的输入层中；利用所述原始向量转换模型的实体识别层对所述第一训练文本集合中的文本进行实体识别并标记，将预设标记的实体进行删除处理，得到第二训练文本集合；利用所述原始向量转换模型的过滤层对所述第二训练文本集合中预设类型的文本进行删除处理，得到第三训练文本集合；对所述第三训练文本集合中的文本进行独热编码，得到编码向量集合；利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均，得到加权向量；利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量；利用所述原始向量转换模型的输出层输出所述拼接向量的预测概率，在所述预测概率小于预构建的预测阈值时，调整原始向量转换模型的模型参数，并返回所述利用所述原始向量转换模型的映射层对所述编码向量集合中的向量进行加权平均的步骤，直至所述原始向量转换模型收敛，停止训练，得到所述标准向量转换模型。4.如权利要求3所述的文本关键词关联方法，其特征在于，所述利用所述原始向量转换模型的依存句法分析层及词性标注层对所述加权向量进行语义拼接，得到拼接向量，包括：利用所述依存句法分析层标记所述加权向量中单词间的语法关系，得到语法关系向量；利用所述词性标注层标记所述加权向量中单词间的词性关系，得到词性标注向量；拼接所述语法关系向量及所述标注向量得到拼接向量。
5.如权利要求1所述的文本关键词关联方法，其特征在于，所述基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合，包括：对所述待关联文本进行分词处理，并统计各分词的词频，将词频大于或等于预设词频阈值的分词作为高频词汇；计算各高频词汇间的点互信息，将点互信息大于或等于预设信息阈值的高频词汇作为候选关联词，汇总所有的候选关联词得到候选关联词集合。6.如权利要求1所述的文本关键词关联方法，其特征在于，所述利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图，包括：基于用户指令从所述候选关联词集合中选取目标关键词；利用所述标准向量转换模型对候选关联词集合中的目标关键词及非目标关键词进行向量转化，得到包含目标向量及非目标向量的关联词向量集合；计算所述非目标向量与所述目标向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第一关联向量；计算所述非目标向量与所述第一关联向量间的相似度，将相似度大于或等于预设相似阈值的非目标向量作为第二关联向量；将所述目标向量对应的目标关键词作为根节点，将所述第一关联向量对应的候选关联词作为第一关联节点，将所述第二关联向量对应的候选关联词作为第二关联节点；将根节点与第一关联节点相连，以及将第一关联节点与第二关联节点相连，得到关联词汇图。7.如权利要求4所述的文本关键词关联方法，其特征在于，通过下述公式计算所述加权向量：其中，v(t)表示加权向量，e
k
表示第k个文本向量，w1
k
表示第k个文本向量对应的第一权值矩阵，n表示第三训练文本集合的文本数量。8.一种文本关键词关联装置，其特征在于，所述装置包括：模型构建模块，用于在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型；模型训练模块，用于获取业务文本数据集合，利用所述业务文本数据集合对所述原始向量转换模型进行模型训练，得到标准向量转换模型；候选关联词提取模块，用于获取待关联文本，基于所述待关联文本中词汇的词频及点互信息值从所述待关联文本中提取候选关联词集合；文本关键词关联模块，用于利用所述标准向量转换模型对所述候选关联词集合进行向量转化，得到关联词向量集合，基于所述关联词向量集合中各向量的相似度对所述候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的文本关键词关联方法。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的文本关键词关联方法。

技术总结

本发明涉及人工智能技术，揭露了一种文本关键词关联方法，包括：在预构建的基础向量转换网络中添加多个语义特征层，得到原始向量转换模型，利用业务文本数据集合对原始向量转换模型进行模型训练，得到标准向量转换模型，基于待关联文本中词汇的词频及点互信息值提取候选关联词集合，利用标准向量转换模型对候选关联词集合进行向量转化，得到关联词向量集合，基于各向量的相似度对候选关联词集合中的目标关键词进行关联词关联，得到关联词汇图。本发明还涉及区块链技术，所述关联词汇图可存储在区块链的节点中。本发明还提出一种文本关键词关联装置、电子设备以及可读存储介质。本发明可以提高文本关键词关联的准确性。发明可以提高文本关键词关联的准确性。发明可以提高文本关键词关联的准确性。