CN111984883A - 标签挖掘方法、装置、设备以及存储介质 - Google Patents
标签挖掘方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111984883A CN111984883A CN202010802838.8A CN202010802838A CN111984883A CN 111984883 A CN111984883 A CN 111984883A CN 202010802838 A CN202010802838 A CN 202010802838A CN 111984883 A CN111984883 A CN 111984883A
- Authority
- CN
- China
- Prior art keywords
- label
- determining
- text
- existing
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005065 mining Methods 0.000 title claims abstract description 51
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000015654 memory Effects 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 235000013305 food Nutrition 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9562—Bookmark management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种标签挖掘方法、装置、设备以及存储介质，涉及人工智能领域中的大数据技术，尤其自然语言处理、智能搜索和智能推荐技术。具体实现方案为：确定已有标签以及所述已有标签的所属类别；根据所述已有标签，从所述类别关联的目标文本中确定候选标签；组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。根据本申请的技术实现了根据已有标签对精确标签的挖掘。
Description
技术领域
本申请涉及人工智能领域中的大数据技术，尤其自然语言处理、智能搜索和智能推荐技术。具体涉及一种标签挖掘方法、装置、设备以及存储介质。
背景技术
标签是一种常见的内容理解载体。通常来说，一篇互联网上的内容，可以抽象为几个标签，并将其提供给搜索引擎或者推荐引擎，以得到更好的展现和分发效果。
精确刻画文本内容的标签在提供给搜索引擎或推荐引擎后，会将文本准确地分发和展现给用户，从而提高用户获取信息的效率和用户体验。
发明内容
本公开提供了一种标签挖掘方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种标签挖掘方法，包括：
确定已有标签以及所述已有标签的所属类别；
根据所述已有标签，从所述类别关联的目标文本中确定候选标签；
组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
根据本公开的另一方面，提供了一种标签挖掘装置，包括：
类别确定模块，用于确定已有标签以及所述已有标签的所属类别；
标签确定模块，用于根据所述已有标签，从所述类别关联的目标文本中确定候选标签；
标签组合模块，用于组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
根据本公开的又一方面，提供了一种电子设备，其中，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指令，所述指令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本申请实施例中任一项所述的方法。
根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
根据本申请的技术实现了根据已有标签对精确标签的挖掘。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例提供的一种标签挖掘方法的流程图；
图2是本申请实施例提供的另一种标签挖掘方法的流程图；
图3是本申请实施例提供的又一种标签挖掘方法的流程图；
图4是本申请实施例提供的又一种标签挖掘方法的流程图；
图5是本申请实施例提供的又一种标签挖掘方法的流程图；
图6是本申请实施例提供的又一种标签挖掘方法的流程图；
图7是本申请实施例提供的又一种标签挖掘方法的流程示意图；
图8是本申请实施例提供的一种标签挖掘装置的结构示意图；
图9是根据本申请实施例的标签挖掘方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是本申请实施例提供的一种标签挖掘方法的流程图。本实施例可适用于挖掘精确刻画文本内容的精确标签的情况。该方法可以由一种标签挖掘装置来执行。该装置可以由软件和/或硬件的方式实现。参见图1，本申请实施例提供的标签挖掘方法包括：
S110、确定已有标签以及所述已有标签的所属类别。
其中，已有标签是指根据现有技术已经提取出的标签。
已有标签的所属类别是指已有标签的类别。
在一个实施例中，确定已有标签包括：根据现有标签提取算法，从文本中提取已有标签。
S120、根据所述已有标签，从所述类别关联的目标文本中确定候选标签。
其中，目标文本是指已有标签的所属类别的文本。
示例性地，若已有标签的所属类别为美食，则目标文本是关于美食的文本。
候选标签是指待与已有标签生成新的标签。
在一个实施例中，根据所述已有标签，从所述类别关联的目标文本中确定候选标签，包括：
将目标文本中与已有标签共现的其他标签作为候选标签。
S130、组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
其中，新的标签是指根据已有标签挖掘出的新的标签。
在一个实施例中，根据组合结果确定新的标签包括：
将组合得到的标签组作为新的标签。
本申请实施例通过根据已有标签，从已有标签所属类别关联的目标文本中确定候选标签；组合已有标签和候选标签，并根据组合结果确定新的标签，从而实现根据已有标签对新的标签的挖掘。
此外，通过从已有标签所属类别关联的目标文本中确定候选标签，以限定组合标签的计算范围，去掉明确不具备组合潜力的标签。其中不具备组合潜力的标签是指拆分后的含义等于不拆分的含义的标签。例如，该类标签可以是“夏季蔬菜”、“夏季出行”。因为具备组合潜力的标签的组合可以精确刻画文本内容，所以本方案可以实现对精确标签的挖掘，并在将精确标签提供给搜索引擎或推荐引擎后，会将文本准确地分发和展现给用户，从而提高用户获取信息的效率和用户体验。
为解决现有标签固化，不能及时反映用户需求的问题，所述确定已有标签，包括：
确定热度大于设定热度阈值的标签，并将该标签作为所述已有标签。
其中，设定热度阈值可以根据实际需要确定。本实施例对此并不进行任何限制。
热度大于设定热度阈值的标签是时效性较高的标签，也即当下的热门标签。例如，“恰饭”、“后浪”等。
将该类标签加入到已有标签中可以提高已有标签的时效性，解决现有标签固化，不能及时反映用户需求的问题。
图2是本申请实施例提供的另一种标签挖掘方法的流程图。本方案是在上述方案的基础上，对步骤“确定所述已有标签的所属类别”的具体优化。参见图2，本方案提供的标签挖掘方法包括：
S210、确定已有标签，并统计所述已有标签所在文本的类别。
其中，文本的类别是指文本所属的类别。示例性地，文本的类别可以是美食、娱乐等。
S220、根据统计结果，从所述已有标签所在文本的类别中确定所述已有标签的所属类别。
其中，已有标签的所属类别是指已有标签所属的类别，也即已有标签的类别。
在一个实施例中，根据统计结果，从所述已有标签所在文本的类别中确定所述已有标签的所属类别，包括：
将统计的最多类别作为已有标签的所属类别。
例如，统计结果为美食类文本80个，娱乐类文本20个，那么确定已有标签的所属类别为美食。
S230、根据所述已有标签，从所述类别关联的目标文本中确定候选标签。
示例性地，继续以已有标签的所属类别为美食为例，根据已有标签，从已有标签所属类别关联的目标文本中确定候选标签，包括：根据已有标签，从美食类文本中确定候选标签。
S240、组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
本方案通过统计已有标签所在文本的类别；根据统计结果，从已有标签所在文本的类别中确定已有标签的所属类别，从而提高已有标签的确定准确率，实现对组合标签计算范围的进一步限定，以滤除明确不具备组合潜力的标签。
图3是本申请实施例提供的又一种标签挖掘方法的流程图。本方案是在上述方案的基础上，对步骤“根据所述已有标签，从所述类别关联的目标文本中确定候选标签”的具体优化。参见图3，本方案提供的标签挖掘方法包括：
S310、确定已有标签以及所述已有标签的所属类别。
S320、统计所述已有标签与所述类别关联的目标文本中其他标签的共现频率。
其中，其他标签是指目标文本中除上述已有标签以外的标签。
共现频率是指共同出现在目标文本中的次数。
S330、根据统计结果，从所述目标文本的其他标签中确定所述候选标签。
在一个实施例中，根据统计结果，从所述目标文本的其他标签中确定所述候选标签，包括：
将共现频率最高的其他标签作为候选标签。
S340、组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
本方案通过统计已有标签与目标文本中其他标签的共现频率；根据统计结果，从目标文本的其他标签中确定候选标签，从而提高候选标签的确定准确率。因为通常具备组合潜力的标签在文本中的共现频率最高，所以本方案实现了对组合标签计算范围的进一步限定，进一步滤除了明确不具备组合潜力的标签。
图4是本申请实施例提供的又一种标签挖掘方法的流程图。本方案是在上述方案的基础上，对上述方案的进一步扩展。参见图4，本方案提供的标签挖掘方法包括：
S410、确定已有标签以及所述已有标签的所属类别。
S420、根据所述已有标签，从所述类别关联的目标文本中确定候选标签。
S430、组合所述已有标签和所述候选标签。
S440、根据所述已有标签和所述候选标签在所述目标文本中的间距和/或共现频率，对组合结果进行过滤。
其中，已有标签和候选标签在目标文本中的间距也可以理解为两标签在目标文本中的距离。如果距离较大，那么形成新的标签的概率较低。因此，滤除该部分组合结果。
已有标签和候选标签在目标文本中的也可以理解为两标签同时出现的频率。该频率过大或过小也不是好的标签组合，因此也滤除该部分组合结果。
S450、根据过滤后的组合结果确定新的标签。
本方案通过根据已有标签和候选标签在目标文本中的间距和/或共现频率，对组合结果进行过滤，从而提高组合结果的准确率，进而提高新的标签的准确率。
图5是本申请实施例提供的又一种标签挖掘方法的流程图。本方案是在上述方案的基础上，对上述步骤“根据组合结果确定新的标签”的具体优化。参见图5，本方案提供的标签挖掘方法包括：
S510、确定已有标签以及所述已有标签的所属类别。
S520、根据所述已有标签，从所述类别关联的目标文本中确定候选标签。
S530、组合所述已有标签和所述候选标签。
S540、从所述目标文本中提取包括候选标签组的至少一个文本片段，其中所述候选标签组通过组合所述已有标签和所述候选标签得到。
典型地，该文本片段可以是一个句子。
S550、根据所述至少一个文本片段，确定新的标签。
在一个实施例中，可以将上述至少一个文本片段中的任一文本片段作为新的标签。
为简化新的标签，所述根据所述至少一个文本片段，确定新的标签，包括：
提取所述文本片段的主干信息，得到至少一个文本主干；
从所述至少一个文本主干中确定新的标签。
其中，文本片段的主干信息是指决定着句子的基本结构的成分信息。
在一个实施例中，提取文本片段的主干信息，包括：
删除文本片段中的修饰性词语和前后缀。
文本主干是指提取的文本片段的主干信息。
本方案通过从目标文本中提取包括候选标签组的至少一个文本片段；根据至少一个文本片段，确定新的标签，从而优化新的标签的表达，方便用户的理解。
为提高新的标签的准确率，所述从所述至少一个文本主干中确定新的标签，包括：
统计所述至少一个文本主干，根据统计结果从所述至少一个文本主干中确定目标文本主干，并将该目标文本主干作为新的标签。
其中，目标文本主干是指能准确描述新的标签的文本主干。
在一个实施例中，根据统计结果从至少一个文本主干中确定目标文本主干，包括：
将统计结果中出现频次最多的文本主干作为目标文本主干。
图6是本申请实施例提供的又一种标签挖掘方法的流程图。本方案是在上述方案的基础上，对上述方案的扩展。参见图6，本方案提供的标签挖掘方法包括：
S610、确定已有标签以及所述已有标签的所属类别。
S620、根据所述已有标签，从所述类别关联的目标文本中确定候选标签。
S630、组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
S640、确定包括所述已有标签和所述候选标签的待标注文本。
S650、将确定的新的标签标注在所述待标注文本中。
本方案通过确定包括已有标签和候选标签的待标注文本；将确定的新的标签标注在待标注文本中，从而实现利用新的标签对待标注文本的标签标注。
图7是本申请实施例提供的又一种标签挖掘方法的流程示意图。本方案是在上述方案的基础上，提供的一种可选方案。参见图7，本方案提供的标签挖掘方法包括：
为搜集的文本集合添加热门标签；
提取文本集合中各文本的标签，得到标签集；
对得到的标签集进行去重，将剩余标签作为已有标签；
根据已有标签关联文本的类别，确定已有标签的所属类别；
基于共现频率，从相应类别的目标文本中的其他标签中确定候选标签；
组合已有标签和候选标签，得到候选标签组；
根据候选标签组中两标签在目标文本中的间距和共现频率，对候选标签组进行过滤，得到目标标签组；
从目标文本中提取共现有目标标签组中各标签的至少一个句子；
删除该句子中的修饰词、前后缀，得到候选句子；
对候选句子进行统计，根据统计结果，从候选句子中确定目标句子；
将目标句子作为新的标签，并将新的标签标注在包括目标标签组的文本中。
本方案通过为文本添加热度较高的标签，从而解决标签集合固化、不能及时反映用户需求的问题。
通过组合标签，并根据组合得到的标签组进行相应句子提取，根据提取得到的句子确定的新的标签，从细化标签粒度，解决现有标签不能概括含义的问题。
图8是本申请实施例提供的一种标签挖掘装置的结构示意图。参见图8，本申请实施例提供的一种标签挖掘装置800包括：类别确定模块801、标签确定模块802和标签组合模块803。
其中，类别确定模块801，用于确定已有标签以及所述已有标签的所属类别；
标签确定模块802，用于根据所述已有标签，从所述类别关联的目标文本中确定候选标签；
标签组合模块803，用于组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
本申请实施例通过根据已有标签，从已有标签所属类别关联的目标文本中确定候选标签；组合已有标签和候选标签，并根据组合结果确定新的标签，从而实现根据已有标签对新的标签的挖掘。
此外，通过从已有标签所属类别关联的目标文本中确定候选标签，以限定组合标签的计算范围，去掉明确不具备组合潜力的标签。其中不具备组合潜力的标签是指拆分后的含义等于不拆分的含义的标签。例如，该类标签可以是“夏季蔬菜”、“夏季出行”。因为具备组合潜力的标签的组合可以精确刻画文本内容，所以本方案可以实现对精确标签的挖掘，并在将精确标签提供给搜索引擎或推荐引擎后，会将文本准确地分发和展现给用户，从而提高用户获取信息的效率和用户体验。
进一步地，所述类别确定模块，包括：
类别统计单元，用于统计所述已有标签所在文本的类别；
类别确定单元，用于根据统计结果，从所述已有标签所在文本的类别中确定所述已有标签的所属类别。
进一步地，所述标签确定模块，包括：
频率统计单元，用于统计所述已有标签与所述目标文本中其他标签的共现频率；
标签确定单元，用于根据统计结果，从所述目标文本的其他标签中确定所述候选标签。
进一步地，所述类别确定模块，包括：
已有标签确定单元，用于确定热度大于设定热度阈值的标签，并将该标签作为所述已有标签。
进一步地，所述装置还包括：
结果过滤模块，用于所述根据组合结果确定新的标签之前，根据所述已有标签和所述候选标签在所述目标文本中的间距和/或共现频率，对所述组合结果进行过滤。
进一步地，所述标签组合模块，包括：
文本片段提取单元，用于从所述目标文本中提取包括候选标签组的至少一个文本片段，其中所述候选标签组通过组合所述已有标签和所述候选标签得到；
新标签确定单元，用于根据所述至少一个文本片段，确定新的标签。
进一步地，所述新标签确定单元，包括：
主干提取子单元，用于所述文本片段的主干信息，得到至少一个文本主干；
新标签确定子单元，用于从所述至少一个文本主干中确定新的标签。
进一步地，所述新标签确定子单元具体用于：
统计所述至少一个文本主干，根据统计结果从所述至少一个文本主干中确定目标文本主干，并将该目标文本主干作为新的标签。
进一步地，所述装置还包括：
标注文本确定模块，用于所述组合所述已有标签和所述候选标签，并根据组合结果确定新的标签之后，确定包括所述已有标签和所述候选标签的待标注文本；
文本标注模块，用于将确定的新的标签标注在所述待标注文本中。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图9所示，是根据本申请实施例的标签挖掘方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示，该电子设备包括：一个或多个处理器901、存储器902，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的标签挖掘方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的标签挖掘方法。
存储器902作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的标签挖掘方法对应的程序指令/模块(例如，附图8所示的类别确定模块801、标签确定模块802和标签组合模块803)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的标签挖掘方法。
存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据标签挖掘电子设备的使用所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至标签挖掘电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
标签挖掘方法的电子设备还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息，以及产生与标签挖掘电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
根据本申请的技术实现了根据已有标签对精确标签的挖掘。应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (20)
1.一种标签挖掘方法，包括：
确定已有标签以及所述已有标签的所属类别；
根据所述已有标签，从所述类别关联的目标文本中确定候选标签；
组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
2.根据权利要求1所述的方法，其中，所述确定所述已有标签的所属类别，包括：
统计所述已有标签所在文本的类别；
根据统计结果，从所述已有标签所在文本的类别中确定所述已有标签的所属类别。
3.根据权利要求1或2所述的方法，其中，所述根据所述已有标签，从所述类别关联的目标文本中确定候选标签，包括：
统计所述已有标签与所述目标文本中其他标签的共现频率；
根据统计结果，从所述目标文本的其他标签中确定所述候选标签。
4.根据权利要求1或2所述的方法，其中，所述确定已有标签，包括：
确定热度大于设定热度阈值的标签，并将该标签作为所述已有标签。
5.根据权利要求1或2所述的方法，其中，所述根据组合结果确定新的标签之前，所述方法还包括：
根据所述已有标签和所述候选标签在所述目标文本中的间距和/或共现频率，对所述组合结果进行过滤。
6.根据权利要求1或2所述的方法，其中，所述根据组合结果确定新的标签，包括：
从所述目标文本中提取包括候选标签组的至少一个文本片段，其中所述候选标签组通过组合所述已有标签和所述候选标签得到；
根据所述至少一个文本片段，确定新的标签。
7.根据权利要求6所述的方法，其中，所述根据所述至少一个文本片段，确定新的标签，包括：
提取所述文本片段的主干信息，得到至少一个文本主干；
从所述至少一个文本主干中确定新的标签。
8.根据权利要求7所述的方法，其中，所述从所述至少一个文本主干中确定新的标签，包括：
统计所述至少一个文本主干，根据统计结果从所述至少一个文本主干中确定目标文本主干，并将该目标文本主干作为新的标签。
9.根据权利要求1或2所述的方法，其中，所述组合所述已有标签和所述候选标签，并根据组合结果确定新的标签之后，所述方法还包括：
确定包括所述已有标签和所述候选标签的待标注文本；
将确定的新的标签标注在所述待标注文本中。
10.一种标签挖掘装置，包括：
类别确定模块，用于确定已有标签以及所述已有标签的所属类别；
标签确定模块，用于根据所述已有标签，从所述类别关联的目标文本中确定候选标签；
标签组合模块，用于组合所述已有标签和所述候选标签，并根据组合结果确定新的标签。
11.根据权利要求10所述的装置，其中，所述类别确定模块，包括：
类别统计单元，用于统计所述已有标签所在文本的类别；
类别确定单元，用于根据统计结果，从所述已有标签所在文本的类别中确定所述已有标签的所属类别。
12.根据权利要求10或11所述的装置，其中，所述标签确定模块，包括：
频率统计单元，用于统计所述已有标签与所述目标文本中其他标签的共现频率；
标签确定单元，用于根据统计结果，从所述目标文本的其他标签中确定所述候选标签。
13.根据权利要求10或11所述的装置，其中，所述类别确定模块，包括：
已有标签确定单元，用于确定热度大于设定热度阈值的标签，并将该标签作为所述已有标签。
14.根据权利要求10或11所述的装置，其中，所述装置还包括：
结果过滤模块，用于所述根据组合结果确定新的标签之前，根据所述已有标签和所述候选标签在所述目标文本中的间距和/或共现频率，对所述组合结果进行过滤。
15.根据权利要求10或11所述的装置，其中，所述标签组合模块，包括：
文本片段提取单元，用于从所述目标文本中提取包括候选标签组的至少一个文本片段，其中所述候选标签组通过组合所述已有标签和所述候选标签得到；
新标签确定单元，用于根据所述至少一个文本片段，确定新的标签。
16.根据权利要求15所述的装置，其中，所述新标签确定单元，包括：
主干提取子单元，用于所述文本片段的主干信息，得到至少一个文本主干；
新标签确定子单元，用于从所述至少一个文本主干中确定新的标签。
17.根据权利要求16所述的装置，其中，所述新标签确定子单元具体用于：
统计所述至少一个文本主干，根据统计结果从所述至少一个文本主干中确定目标文本主干，并将该目标文本主干作为新的标签。
18.根据权利要求10或11所述的装置，其中，所述装置还包括：
标注文本确定模块，用于所述组合所述已有标签和所述候选标签，并根据组合结果确定新的标签之后，确定包括所述已有标签和所述候选标签的待标注文本；
文本标注模块，用于将确定的新的标签标注在所述待标注文本中。
19.一种电子设备，其中，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指令，所述指令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权利要求1-9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-9中任一项所述的方法。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010802838.8A CN111984883B (zh) | 2020-08-11 | 2020-08-11 | 标签挖掘方法、装置、设备以及存储介质 |
| EP21164657.5A EP3842961A3 (en) | 2020-08-11 | 2021-03-24 | Method and apparatus for mining tag, device, storage medium and computer program product |
| US17/216,060 US20210216598A1 (en) | 2020-08-11 | 2021-03-29 | Method and apparatus for mining tag, device, and storage medium |
| JP2021060937A JP7277502B2 (ja) | 2020-08-11 | 2021-03-31 | タグマイニング方法、装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム |
| KR1020210044134A KR20210044747A (ko) | 2020-08-11 | 2021-04-05 | 태그 마이닝 방법, 장치, 전자 기기, 저장 매체 및 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010802838.8A CN111984883B (zh) | 2020-08-11 | 2020-08-11 | 标签挖掘方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111984883A true CN111984883A (zh) | 2020-11-24 |
| CN111984883B CN111984883B (zh) | 2024-05-14 |
Family
ID=73434100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010802838.8A Active CN111984883B (zh) | 2020-08-11 | 2020-08-11 | 标签挖掘方法、装置、设备以及存储介质 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20210216598A1 (zh) |
| EP (1) | EP3842961A3 (zh) |
| JP (1) | JP7277502B2 (zh) |
| KR (1) | KR20210044747A (zh) |
| CN (1) | CN111984883B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113722493A (zh) * | 2021-09-09 | 2021-11-30 | 北京百度网讯科技有限公司 | 文本分类的数据处理方法、设备、存储介质及程序产品 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120016885A1 (en) * | 2010-07-16 | 2012-01-19 | Ibm Corporation | Adaptive and personalized tag recommendation |
| CN109615470A (zh) * | 2018-12-07 | 2019-04-12 | 北京三快在线科技有限公司 | 标签推荐方法、标签推荐装置、电子设备及存储介质 |
| CN111125435A (zh) * | 2019-12-17 | 2020-05-08 | 北京百度网讯科技有限公司 | 视频标签的确定方法、装置和计算机设备 |
| CN111274330A (zh) * | 2020-01-15 | 2020-06-12 | 腾讯科技（深圳）有限公司 | 一种目标对象确定方法、装置、计算机设备及存储介质 |
Family Cites Families (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070078832A1 (en) * | 2005-09-30 | 2007-04-05 | Yahoo! Inc. | Method and system for using smart tags and a recommendation engine using smart tags |
| US7856597B2 (en) * | 2006-06-01 | 2010-12-21 | Sap Ag | Adding tag name to collection |
| US20080071929A1 (en) * | 2006-09-18 | 2008-03-20 | Yann Emmanuel Motte | Methods and apparatus for selection of information and web page generation |
| US8880529B2 (en) * | 2007-05-15 | 2014-11-04 | Tivo Inc. | Hierarchical tags with community-based ratings |
| US20090265631A1 (en) * | 2008-04-18 | 2009-10-22 | Yahoo! Inc. | System and method for a user interface to navigate a collection of tags labeling content |
| JP5326781B2 (ja) * | 2009-04-30 | 2013-10-30 | 日本電気株式会社 | 抽出規則作成システム、抽出規則作成方法及び抽出規則作成プログラム |
| JP2010262577A (ja) * | 2009-05-11 | 2010-11-18 | Nec Corp | 抽出規則作成システム、抽出規則作成方法及び抽出規則作成プログラム |
| WO2011094734A2 (en) * | 2010-02-01 | 2011-08-04 | Jumptap, Inc. | Integrated advertising system |
| US9552376B2 (en) * | 2011-06-09 | 2017-01-24 | MemoryWeb, LLC | Method and apparatus for managing digital files |
| US8903819B2 (en) * | 2011-12-28 | 2014-12-02 | United Video Properties, Inc. | Systems and methods for sharing profile information using user preference tag clouds |
| JP5697164B2 (ja) * | 2012-03-09 | 2015-04-08 | Kddi株式会社 | 対象文から直接的に導出できないカテゴリのタグを付与するタグ付けプログラム、装置、方法及びサーバ |
| US9898748B1 (en) * | 2012-08-30 | 2018-02-20 | Amazon Technologies, Inc. | Determining popular and trending content characteristics |
| WO2014040169A1 (en) * | 2012-09-14 | 2014-03-20 | Broadbandtv, Corp. | Intelligent supplemental search engine optimization |
| US9244889B2 (en) * | 2013-01-29 | 2016-01-26 | International Business Machines Corporation | Creating tag clouds based on user specified arbitrary shape tags |
| KR101475439B1 (ko) | 2013-02-18 | 2014-12-24 | 주식회사 솔트룩스 | 사용자에게 최적화된 관심 정보를 제공하기 위한 시스템 및 방법 |
| US9440152B2 (en) * | 2013-05-22 | 2016-09-13 | Clip Engine LLC | Fantasy sports integration with video content |
| US9056253B2 (en) * | 2013-05-22 | 2015-06-16 | David S. Thompson | Fantasy sports interleaver |
| US9710437B2 (en) * | 2014-07-10 | 2017-07-18 | International Business Machines Corporation | Group tagging of documents |
| US10346876B2 (en) * | 2015-03-05 | 2019-07-09 | Ricoh Co., Ltd. | Image recognition enhanced crowdsourced question and answer platform |
| US10180989B2 (en) * | 2015-07-24 | 2019-01-15 | International Business Machines Corporation | Generating and executing query language statements from natural language |
| WO2017141384A1 (ja) * | 2016-02-18 | 2017-08-24 | 楽天株式会社 | 管理装置、管理方法、プログラム、及び、非一時的なコンピュータ読取可能な情報記録媒体 |
| US11531703B2 (en) * | 2019-06-28 | 2022-12-20 | Capital One Services, Llc | Determining data categorizations based on an ontology and a machine-learning model |
| US11232147B2 (en) * | 2019-07-29 | 2022-01-25 | Adobe Inc. | Generating contextual tags for digital content |
| CN111339250B (zh) * | 2020-02-20 | 2023-08-18 | 北京百度网讯科技有限公司 | 新类别标签的挖掘方法及电子设备、计算机可读介质 |
-
2020
- 2020-08-11 CN CN202010802838.8A patent/CN111984883B/zh active Active
-
2021
- 2021-03-24 EP EP21164657.5A patent/EP3842961A3/en not_active Ceased
- 2021-03-29 US US17/216,060 patent/US20210216598A1/en not_active Abandoned
- 2021-03-31 JP JP2021060937A patent/JP7277502B2/ja active Active
- 2021-04-05 KR KR1020210044134A patent/KR20210044747A/ko not_active Application Discontinuation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120016885A1 (en) * | 2010-07-16 | 2012-01-19 | Ibm Corporation | Adaptive and personalized tag recommendation |
| CN109615470A (zh) * | 2018-12-07 | 2019-04-12 | 北京三快在线科技有限公司 | 标签推荐方法、标签推荐装置、电子设备及存储介质 |
| CN111125435A (zh) * | 2019-12-17 | 2020-05-08 | 北京百度网讯科技有限公司 | 视频标签的确定方法、装置和计算机设备 |
| CN111274330A (zh) * | 2020-01-15 | 2020-06-12 | 腾讯科技（深圳）有限公司 | 一种目标对象确定方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 周亦鹏;杜军平;: "基于关联词的主题模型语义标注", 智能系统学报, no. 04, 15 August 2012 (2012-08-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113722493A (zh) * | 2021-09-09 | 2021-11-30 | 北京百度网讯科技有限公司 | 文本分类的数据处理方法、设备、存储介质及程序产品 |
| CN113722493B (zh) * | 2021-09-09 | 2023-10-13 | 北京百度网讯科技有限公司 | 文本分类的数据处理方法、设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111984883B (zh) | 2024-05-14 |
| JP2022003514A (ja) | 2022-01-11 |
| US20210216598A1 (en) | 2021-07-15 |
| EP3842961A2 (en) | 2021-06-30 |
| EP3842961A3 (en) | 2021-09-22 |
| KR20210044747A (ko) | 2021-04-23 |
| JP7277502B2 (ja) | 2023-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111507104B (zh) | 建立标签标注模型的方法、装置、电子设备和可读存储介质 | |
| CN111783468B (zh) | 文本处理方法、装置、设备和介质 | |
| CN111325020A (zh) | 一种事件论元抽取方法、装置以及电子设备 | |
| CN111414482A (zh) | 一种事件论元抽取方法、装置以及电子设备 | |
| CN112650907A (zh) | 搜索词的推荐方法、目标模型的训练方法、装置及设备 | |
| CN111753914A (zh) | 模型优化方法和装置、电子设备及存储介质 | |
| JP2021131528A (ja) | ユーザ意図認識方法、装置、電子機器、コンピュータ可読記憶媒体及びコンピュータプログラム | |
| CN111522967A (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
| CN111858905A (zh) | 模型训练方法、信息识别方法、装置、电子设备及存储介质 | |
| CN112182292A (zh) | 视频检索模型的训练方法、装置、电子设备及存储介质 | |
| CN111813828A (zh) | 一种实体关系挖掘方法、装置、电子设备及存储介质 | |
| CN112380847A (zh) | 兴趣点处理方法、装置、电子设备及存储介质 | |
| CN111241810A (zh) | 标点预测方法及装置 | |
| CN110543558A (zh) | 问题匹配方法、装置、设备和介质 | |
| CN112052397A (zh) | 用户特征生成方法、装置、电子设备及存储介质 | |
| CN111984774A (zh) | 搜索方法、装置、设备以及存储介质 | |
| CN111563198A (zh) | 一种物料召回方法、装置、设备及存储介质 | |
| CN111400456A (zh) | 资讯推荐方法及装置 | |
| CN112466277B (zh) | 韵律模型训练方法、装置、电子设备及存储介质 | |
| CN111984883A (zh) | 标签挖掘方法、装置、设备以及存储介质 | |
| CN111708477B (zh) | 按键识别方法、装置、设备以及存储介质 | |
| CN113342946A (zh) | 客服机器人的模型训练方法、装置、电子设备及介质 | |
| CN111611364A (zh) | 一种智能应答方法、装置、设备及存储介质 | |
| CN111274353A (zh) | 文本切词方法、装置、设备和介质 | |
| CN111400431A (zh) | 一种事件论元抽取方法、装置以及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |