文本主题提取方法、装置、计算机设备及存储介质制造方法及图纸

本申请提供一种文本主题提取方法、装置、计算机设备及存储介质，方法包括：获取待处理文本的Bert词向量和Bert句向量；将Bert词向量和Bert句向量作为节点，构建拓扑图模型；通过携带有注意力机制的图自编码器，对拓扑图模型进行节点优化，获取各个节点的多重特征；通过聚类算法分析多重特征，以提取待处理文本的主题信息。采用本方法能够提高文本主题的提取准确率。确率。确率。

【技术实现步骤摘要】
文本主题提取方法、装置、计算机设备及存储介质


[0001]本申请涉及人工智能
，具体涉及一种文本主题提取方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着电子商务的迅猛发展，客诉已成为电商行业主要的业务关注点。精准预测客诉主题可以有效的对客诉进行止损，从而达到节约成本、提升账号活跃度、提高业务好评度的目的。
[0003]然而，现有技术中的主题预测往往是通过人工筛选订单特征，再运用机器学习模型进行的，所花费的时间成本巨大，且预测结果的精准率和召回率都不太理想。
[0004]因此，现有基于机器学习的文本主题提取方法存在准确率不高的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题提供一种文本主题提取方法、装置、计算机设备及存储介质，用以提高文本主题的提取准确率。
[0006]第一方面，本申请提供一种文本主题提取方法，包括：
[0007]获取待处理文本的Bert词向量和Bert句向量；
[0008]将Bert词向量和Bert句向量作为节点，构建拓扑图模型；
...

【技术保护点】

【技术特征摘要】
1.一种文本主题提取方法，其特征在于，包括：获取待处理文本的Bert词向量和Bert句向量；将所述Bert词向量和所述Bert句向量作为节点，构建拓扑图模型；通过携带有注意力机制的图自编码器，对所述拓扑图模型进行节点优化，获取各个节点的多重特征；通过聚类算法分析所述多重特征，以提取所述待处理文本的主题信息。2.如权利要求1所述的方法，其特征在于，所述通过聚类算法分析所述多重特征，以提取所述待处理文本的主题信息，包括：并联处理所述各个节点的多重特征，得到所述拓扑图模型的特征矩阵；通过聚类算法分析所述特征矩阵，获取各个节点对应的第一概率分布和第二概率分布，所述第二概率分布为所述第一概率分布的二次方分析结果；根据所述第一概率分布和所述第二概率分布，提取所述待处理文本的主题信息。3.如权利要求2所述的方法，其特征在于，所述根据所述第一概率分布和所述第二概率分布，提取所述待处理文本的主题信息，包括：获取所述第一概率分布与所述第二概率分布之间的KL散度信息，作为目标损失；通过预设优化算法分析所述目标损失，以更新所述拓扑图模型的模型参数，得到更新后的模型参数；若所述KL散度信息小于预设的散度阈值，根据所述更新后的模型参数，提取所述待处理文本的主题信息。4.如权利要求3所述的方法，其特征在于，所述若所述KL散度信息小于预设的散度阈值，根据所述更新后的模型参数，提取所述待处理文本的主题信息，包括：若所述KL散度信息小于预设的散度阈值，根据所述更新后的模型参数，获取训练后的拓扑图模型；基于所述训练后的拓扑图模型，获取各个节点所属的目标集合；提取各所述目标集合的中心节点，得到所述待处理文本的主题信息。5.如权利要求1所述的方法，其特征在于，所述将所述Bert词向量和所述Bert句向量作为节点，构建拓扑图模型，包括：将所述Bert词向量和所述Bert句向量作为节点，构建初始拓扑图模型；确定所述初始拓扑图模型中的目标Bert词向量和目标Bert词句向量，所述目标Bert词向量为两个相邻的Bert词向量节点，所述目标Bert词句向量为两个相邻的Bert词向量节点和Bert句向量节点；获取所述目标Bert词向量和所述目标Bert词句向量各自对应的边值，以利用所述边值对所述初始拓...

【专利技术属性】
技术研发人员：武晨，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：