公开(公告)号：CN112131463A

公开(公告)日：2020-12-25

申请号：CN202010950134.5

申请日：2020-09-10

申请人： 杭州中软安人网络通信股份有限公司

发明人： 江永渡 ,  邵陈杰 ,  赵志武 ,  程德生 ,  厉屹 ,  林镇杰 ,  钱刚 ,  朱文 ,  章冬红

IPC分类号： G06F16/9535 ,  G06F40/30 ,  G06K9/62

摘要： 本发明提供了一种热点提取方法、存储介质及服务器，该热点提取方法包括：获取待提取热点的语料数据；根据语料数据对通用领域的roberta模型进行预训练，得到专业领域的roberta模型；根据专业领域的roberta模型，提取多条文本中每条文本的特征向量；根据多条文本中每条文本的特征向量，构造孪生网络的训练样本；根据训练样本，通过孪生网络的方式调节专业领域的roberta模型的参数，得到目标的roberta模型；根据目标的roberta模型，提取多条文本中每条文本的特征向量；利用聚类算法对语料数据的多条文本进行聚类，得到多个类别；根据目标的roberta模型及多个类别提取语料数据的热点。更好地捕捉到语料数据中的独有信息；减少语料数据中字的unk(unknown)的情况；提高聚类及提取热点准确性。