1.一种信息的处理方法,所述方法包括:
从预定的语料数据库中获取与预定的关键词相对应的语料数据;
基于所述关键词对应的类别标签和预定的分类模型,对所述语料数据进行分类,确定所述语料数据所属的类别标签,所述分类模型为基于神经网络对文本进行分类的模型,所述类别标签是待发放资源的用户所具备的属性标签;
对不同类别标签的所述语料数据进行短语抽取处理,得到不同类别标签对应的目标短语,以基于所述目标短语生成待发放的资源的第一展示文案。
2.根据权利要求1所述的方法,所述方法还包括:
接收目标用户的资源获取请求;
确定发放给所述目标用户的资源的信息;
从所述目标用户对应的类别标签中,获取与所述资源的信息匹配的第一类别标签;
根据所述第一类别标签,从所述目标短语中获取所述第一类别标签对应的目标短语;
基于获取的目标短语,生成发送给所述目标用户的资源的第一展示文案。
3.根据权利要求1所述的方法,所述方法还包括:
从预定的语料数据库中获取与预定的资源关键词相对应的资源语料数据;
基于所述预定的资源关键词和资源语料数据,生成待发放的资源的第二展示文案。
4.根据权利要求3所述的方法,所述基于所述预定的资源关键词和资源语料数据,生成待发放的资源的第二展示文案,包括:
将所述预定的资源关键词和所述资源语料数据输入到预定的Pointer-Generator模型中,得到待发放的资源的第二展示文案。
5.根据权利要求1所述的方法,所述方法还包括:
从预定的语料数据库中获取与预定的关键词相对应的样本数据;
基于所述关键词对应的类别标签和获取的样本数据,对所述分类模型进行训练,得到训练后的分类模型。
6.根据权利要求1所述的方法,所述方法还包括:
对所述样本数据进行Random Mask操作,以随机对所述样本数据进行关键词的替换。
7.根据权利要求6所述的方法,所述方法还包括:
调整每个类别标签对应的样本数据的数量,以使每个类别标签对应的样本数据的数量在预定的数量阈值范围内。
8.根据权利要求1所述的方法,所述对不同类别标签的所述语料数据进行短语抽取处理,得到不同类别标签对应的目标短语,包括:
基于预定的正则表达式,对不同类别标签的所述语料数据进行短语抽取处理,得到抽取结果;
对所述抽取结果进行过滤处理,得到不同类别标签对应的目标短语。
9.根据权利要求8所述的方法,所述对所述抽取结果进行过滤处理,得到不同类别标签对应的目标短语,包括:
对所述抽取结果进行文本长度过滤处理、IDF分过滤处理、NER过滤处理中的一项或多项,得到不同类别标签对应的目标短语。
10.一种信息的处理装置,所述装置包括:
语料获取模块,用于从预定的语料数据库中获取与预定的关键词相对应的语料数据;
分类模块,用于基于所述关键词对应的类别标签和预定的分类模型,对所述语料数据进行分类,确定所述语料数据所属的类别标签,所述分类模型为基于神经网络对文本进行分类的模型;
抽取模块,用于对不同类别标签的所述语料数据进行短语抽取处理,得到不同类别标签对应的目标短语,以基于所述目标短语生成待发放的资源的第一展示文案。
11.根据权利要求10所述的装置,所述装置还包括:
资源语料获取模块,用于从预定的语料数据库中获取与预定的资源关键词相对应的资源语料数据;
文案生成模块,用于基于所述预定的资源关键词和资源语料数据,生成待发放的资源的第二展示文案。
12.根据权利要求11所述的装置,所述文案生成模块,用于将所述预定的资源关键词和所述资源语料数据输入到预定的Pointer-Generator模型中,得到待发放的资源的第二展示文案。
13.根据权利要求10所述的装置,所述抽取模块,包括:
抽取单元,用于基于预定的正则表达式,对不同类别标签的所述语料数据进行短语抽取处理,得到抽取结果;
过滤单元,用于对所述抽取结果进行过滤处理,得到不同类别标签对应的目标短语。
14.根据权利要求13所述的装置,所述过滤单元,用于对所述抽取结果进行文本长度过滤处理、IDF分过滤处理、NER过滤处理中的一项或多项,得到不同类别标签对应的目标短语。
15.一种信息的处理设备,所述信息的处理设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
从预定的语料数据库中获取与预定的关键词相对应的语料数据;
基于所述关键词对应的类别标签和预定的分类模型,对所述语料数据进行分类,确定所述语料数据所属的类别标签,所述分类模型为基于神经网络对文本进行分类的模型,所述类别标签是待发放资源的用户所具备的属性标签;
对不同类别标签的所述语料数据进行短语抽取处理,得到不同类别标签对应的目标短语,以基于所述目标短语生成待发放的资源的第一展示文案。