买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：一网互通(北京)科技有限公司

摘要：本发明实施例中提供了一种社交媒体帖文话题标签的提取方法、装置及电子设备，属于数据处理技术领域，该方法包括：获取社交媒体帖文的全文内容，对所述帖文的全文内容进行特征提取，得到特征数据集合；构建正则表达式集合；基于特征值Kn,Ktd,Ktf，Kp以及选择函数G，对所述正则表达式集合P的进行选择计算；基于所述选择结果Gef和特征值Kw，确定所述帖文的全文内容第一话题标签集合L1；基于第一过滤规则R1和第二过滤规则R2对所述第一话题标签集合L1中的标签进行过滤操作，将过滤后的内容作为社交媒体帖文对应的话题标签L2。本方案能够提高贴文提取的准确性和完整性。

主权项：1.一种社交媒体帖文话题标签的提取方法，其特征在于，包括：获取社交媒体帖文的全文内容，对所述帖文的全文内容进行特征提取，得到特征数据集合K＝{Kw,Kn,Ktd,Ktf,Kp,Ku}，Kw表示全文内容中的关键字信息，Kn表示全文内容中的关键字的数目，Ktd表示全文内容包含的英文字符的数目，Ktf表示全文内容包含的中文字符的数目，Kp表示帖文所在的社交媒体平台信息，Ku表示帖文中包含的用户信息；构建正则表达式集合P＝{Pz,Pn1,Pn2}，Pz表示基本正则表达式，Pn1表示第一限制正则表达式，Pn2表示第二限制正则表达式，基本正则表达式表示为：Pz＝r’#[\S]+’，第一限制正则表达式表示为：Pn1＝r’？＝#[\w]+’，第二限制正则表达式表示为：Pn2＝r’？＝#[\w-]+’；基于特征值Kn,Ktd,Ktf，Kp以及选择函数G，对所述正则表达式集合P的进行选择计算GKn,Ktd,Ktf,Kp，得到选择结果Gef，所述选择结果由顺序匹配、并行匹配以及单一匹配中的一种或多种组合而成；基于所述选择结果Gef和特征值Kw，确定所述帖文的全文内容第一话题标签集合L1；获取特征值Kp对应的第一过滤规则R1以及特征值Ku对应的第二过滤规则R2，基于第一过滤规则R1和第二过滤规则R2对所述第一话题标签集合L1中的标签进行过滤操作，将过滤后的内容作为社交媒体帖文对应的话题标签L2；所述基于特征值Kn,Ktd,Ktf，Kp以及选择函数G，对所述正则表达式集合P的进行选择计算GKn,Ktd,Ktf,Kp，包括：检查社交媒体平台的Kp值，如果Kp值表明社交媒体平台是英文社交媒体平台，则选择英文正则表达式，并采用并行匹配策略；如果Kp值表明社交媒体平台是中文社交媒体平台，则选择中文正则表达式，并采用顺序匹配策略；如果英文字符数量Ktd大于中文字符数量Ktf，则选择英文正则表达式，如果中文字符数量Ktf大于英文字符数量Ktd，则选择中文正则表达式；根据正则表达式的复杂性和预期的性能需求，确定使用顺序匹配、并行匹配还是单一匹配；将选择的正则表达式标识符和匹配策略作为选择结果Gef返回。

全文数据：

权利要求：

百度查询： 一网互通(北京)科技有限公司 社交媒体帖文话题标签的提取方法及装置