CN102622372B - 推荐短消息接收人的方法和装置 - Google Patents

Abstract

本发明公开一种推荐短消息接收人的方法和装置，其中方法包括步骤：解析用户的历史短消息以产生与联系人相关联的数据；利用所述数据构建语义关联库；识别所述用户的新短消息文本中的关键对象；利用所述语义关联库分析所述关键对象与联系人的关联性；根据关联性的强度向所述用户推荐短消息接收人。

Description

推荐短消息接收人的方法和装置

技术领域

本发明涉及移动终端，特别涉及向移动终端用户推荐短消息接收人的方法和装置。

背景技术

全球移动互联网已进入爆炸性增长阶段，截至目前为止，中国移动的手机用户数已经突破5亿个，调查显示中国移动每天短消息发送量高达2.6亿条，中国平均每天发送短消息7.5亿条。尤其是年轻人，每天甚至发送几十条短消息，而每个人每天接收到的短消息也不下几十条。因此，快速定位到短消息接收人成为发送短消息的关键。

现有技术中，移动终端提供了地址簿以及常用联系人列表供发信人进行选择，然而，对于既不在常用联系人列表中，也不在地址簿里的接收人，就需要花费发信人一番功夫了，例如，发信人试图向某人发送短消息，虽然某人不在地址簿中，但是曾经向发信人发送过短消息，那么发信人只能从海量的历史短消息中去逐条查找。再例如，发信人试图向某个人发送短消息，但是不记得收信人的姓名，即便该收信人在地址薄中，也是无从查起。

因此，需要提供一种高效的推荐短消息收信人的方法，从而节省发信人的时间，提高发送短消息的效率。

发明内容

基于上述问题，本发明提供一种高效的推荐短消息收信人的方法。

根据本发明的第一方面，提供一种推荐短消息接收人的方法，包括步骤：解析用户的历史短消息以产生与联系人相关联的数据；利用所述数据构建语义关联库；识别新短消息文本中的关键对象；利用所述语义关联库分析所述关键对象与联系人的关联性；以及根据关联性的强度向所述用户推荐短消息接收人。

根据本发明的第二方面，提供一种推荐短消息接收人的装置，包括：解析模块，被配置为解析用户的历史短消息以产生与联系人相关联的数据；语义关联库构建模块，被配置为利用所述数据构建语义关联库；识别模块，被配置为识别新短消息文本中的关键对象；语义关联库分析模块，被配置为利用所述语义关联库分析所述关键对象与联系人的关联性；以及接收人推荐模块，被配置为根据关联性的强度向所述用户推荐短消息接收人。

根据本发明实施例的提供一种高效的推荐短消息收信人的方法，从而节省发信人的时间，提高发送短消息的效率。

附图说明

结合附图，通过参考下列详细的示例性实施例的描述，将会更好地理解本发明本身、优选的实施方式以及本发明的目的和优点，其中：

图1示出根据本发明实施例的推荐短消息接收人的方法；

图2示出根据本发明的一个实施例构建命名实体关联库的流程图；

图3示出根据本发明实施例构建的命名实体关联库；

图4示出根据本发明的一个实施例构建关键对象关联库的流程图；

图5示出根据本发明的一个实施例构建的关键对象关联库；

图6示出根据本发明的一个实施例向用户推荐短消息接收人的流程图；

图7示出根据本发明的一个实施例向用户推荐短消息接收人的流程图；以及

图8示出根据本发明实施例的推荐短消息接收人的装置。

具体实施方式

以下结合附图描述根据本发明实施例的在移动终端之间实现内容共享的方法和系统，将会更好地理解本发明的目的和优点。

本发明的核心思想是：基于用户的历史短消息(包括历史发送短消息和历史接收短消息)生成特定数据，并对特定数据进行结构化，构建语义关联库，通过新短消息文本进行语义分析，识别出关键对象，利用语义关联库分析所述关键对象与联系人的关联性，跟据关键对象与联系人的关联性程度向发信人推荐短消息接收人。

图1示出根据本发明实施例的推荐短消息接收人的方法，包括：在步骤S101，解析用户的历史短消息以产生与联系人相关联的数据；在步骤S102，利用所述数据构建语义关联库；在步骤S103，识别所述用户的新短消息文本中的关键对象；在步骤S104，利用所述语义关联库分析所述关键对象与联系人的关联性；步骤S105，根据关联性的强度向所述用户推荐短消息接收人。

在步骤S101，解析用户的历史短消息以产生与联系人相关联的数据，其中历史短消息包括历史发送的短消息和历史接收的短消息，解析历史短消息以产生的与联系人相关联的数据包括：获取历史短消息的联系人的标识信息，以及通过对历史短消息的文本进行命名实体识别以获得历史短消息的命名实体列表，其中命名实体列表包括多个命名实体，命名实体是通过命名实体识别NER(name entity recognition)技术获取的，命名实体识别技术NER是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。英语中的命名实体具有比较明显的形式标志(即实体中的每个词的第一个字母要大写)，所以实体边界识别相对容易，重点是确定实体的类别。和英语相比，汉语命名实体识别任务更加复杂，而且相对于实体类别标注子任务，实体边界的识别更加困难，现有技术中存在多种多种方法可以实现命名实体识别，在此不再赘述，根据本发明的实施例此针对每条历史短消息的文本进行命名实体识别，产生对应的命名实体列表。联系人的标识信息包括该条历史短消息的联系人的唯一标识ID，例如该联系人的手机号。

解析历史短消息以产生的与联系人相关联的数据还包括：获取历史短消息的联系人的标识信息；以及对历史短消息的文本进行切词处理以产生历史短消息的词列表、词的标识信息以及词的索引信息。其中词列表是对历史短消息的文本进行切词处理，从而切分为一个个的的词获得的，词的标识信息包括为词列表中的每一个词生成的唯一标识ID，词的索引信息包括为该词所在的条短消息生成的唯一标识ID以及该词在该条历史短消息中的位置信息。

在步骤S102，利用所述数据构建语义关联库，其中语义关联库包括命名实体关联库和关键对象关联库。

图2示出根据本发明的一个实施例构建命名实体关联库的流程图，命名实体关联库是基于历史短信息的命名实体列表和该条短消息的联系人的标识信息构建的。具体地，在步骤S201，从命名实体列表中取出一个命名实体；在步骤S202，查询命名实体库中是否存在该命名实体；如果不存在该命名实体，则在步骤S203，将该命名实体添加到命名实体库，并前进到步骤S205；如果存在该命名实体，则在步骤S204进一步判断该命名实体是否与该短消息的联系人ID相关联；如果判断结果为否，则在步骤S205，将该短消息的联系人ID与该命名实体相关联；如果判断结果为是，则前进到步骤S206；在步骤S206，判断该历史短消息的命名实体列表中是否存在其它命名实体，如果判断结果为是，则步骤返回到S201，如果判断结果为否，则流程结束。根据本发明实施例构建的命名实体关联库需要随着历史短消息的增加而不断更新。图3示出根据本发明的一个实施例构建的命名实体关联库，可以看到，每个命名实体的索引下，存在包含有该命名实体的短信息对应的联系人ID，本领域技术人员可以理解，命名实体关联库的构建可以采用多种数据库的表现形式将命名实体与联系人ID相关联，图3并非限制性的示例。

图4示出根据本发明的一个实施例构建关键对象关联库的流程图，关键对象关联库是基于该条历史短消息的联系人的标识信息、词列表、词的标识信息以及词的索引信息构建的，具体地，在步骤S401，取出词列表中的一个词对应的ID；在步骤S402，查询关键对象关联库是否已存在该条历史短消息对应的联系人ID，如果不存在该联系人ID，则在步骤S403，添加该联系人ID并将该联系人ID与该词的ID相关联；并进一步在步骤S406，将该词的索引信息与该词的ID相关联；如果已存在该联系人ID，则在步骤S404进一步查询该联系人ID是否与该词的ID相关联；如果不与该词的ID相关联，则在步骤S405将该词的ID与该联系人的ID相关联，并进一步前进至步骤S406，将该词的索引信息与该词的ID相关联；如果与该词的ID相关联，则前进至步骤S406，将该词的索引信息与该词的ID相关联；在步骤S407，判断是否存在词表中其它词的ID，若判断结果为是，则返回至步骤S401，若判断结果为否，则流程结束。根据本发明实施例构建的关键对象关联库需要随着历史短消息的增加而不断更新。图5示出根据本发明的一个实施例构建的关键对象关联库，可以看到，每个联系人ID索引下包括至少一个词ID，每个词ID的索引下包括至少一个该词的索引信息，其中索引信息包括该词所在的短消息对应的短消息ID以及该词在该条短消息中的位置信息pos1，2...，本领域技术人员可以理解，关键对象关联库的构建可以采用多种数据库的表现形式将词的ID与联系人的ID以及词的索引信息相关联，图5并非限制性的示例。

在步骤S103，识别所述用户的新短消息文本中的关键对象，所谓关键对象即新短消息文本中与某个联系人的关联性较大的词。具体地，通过计算新短消息文本中的每个词的权重来确定新短消息文本中的关键对象，一个新消息文本被切词处理后产生多个词：a{a₁，a₂....a_n}，每个词的权重W(a_i)与语义重要性W_b和全局重要性W_g相关，即W(a_i)＝W_b+W_g。其中语义重要性W_b是一个词在新短消息文本中的重要性，其与该词在新短消息文本中的出现次数c以及新短消息文本的长度s相关，W_b＝f(c)/s。全局重要性是该词对关键对象关联库中包含的每个联系人p{p₁，p₂....p_m}的重要性的总和，即其中计算a_i对该联系人p_j的权重可以参照下面W(a_i)′的计算方法。在计算出每个词的权重W(a_i)后，选出权重较大的词作为关键对象。

在步骤S104，利用所述语义关联库分析所述关键对象与联系人的关联性，根据本发明的一个实施例，利用关键对象关联库分析所述关键对象与联系人的关联性，计算关键对象关联库中关键对象与联系人的关联性，即关键对象对关键对象关联库中联系人的重要性。具体地，例如对于关键对象词a_i，词a_i在多个联系人p{p₁，p₂....p_m}下的多个消息中出现，假设在联系人的n个消息m{m₁，m₂....m_n}中出现，且对应于每个消息词a_i出现的次数为c₁，c₂....c_n，消息m{m₁，m₂....m_n}的长度分别为s₁，s₂....s_n，消息m{m₁，m₂....m_n}的发送或接收时间为t₁，t₂....t_n，基于其中一个消息m_j计算词a_i对该联系人p_j的权重，计算方法如下：W(m_j)＝f(c_j)/s_j(t_c-t_j)，t_c是当前时间，t_j是历史发送或接收时间，j∈(1，.....n)。基于所有的消息m{m₁，m₂....m_n}计算a_i对该联系人p_j的权重，并将所得的n个权重进行累加得到词a_i对该联系人的权重。最后利用向量积的计算方法计算出该条新短消息对该联系人的重要性得分，即重要性分数＝W(a_i)·W(a_i)′，其中a_i为新短消息中的关键对象。同理，再计算关键对象词a_i对其他联系人的权重，最后计算该条新短消息对其他联系人的重要性得分。

步骤S105，根据关联性的强度向所述用户推荐短消息接收人，即向用户推荐该条新短消息对联系人的重要性得分最高的联系人作为短信接收人。

图6示出根据本发明的一个实施例向发信人推荐短消息接收人的的流程图，在步骤601，响应于用户触发添加收信人的操作，接收用户当前编辑的新短消息文本；在步骤S602，对新短消息的文本进行切词产生词列表；在步骤S603，识别新短消息文本中的关键对象；在步骤S604，利用所述关键对象关联库分析所述关键对象与联系人的关联性；在步骤S605，根据关联性的强度向所述用户推荐短消息接收人。

根据本发明的一个实施例，利用命名实体关联库和关键对象关联库分析所述关键对象与联系人的关联性，图7示出根据本发明的一个实施例向用户推荐短消息接收人的的流程图，在步骤S701，响应于用户触发添加收信人的操作，接收用户当前编辑的新短消息文本；在步骤S702，对新短消息的文本进行切词产生词列表；在步骤S703，对新短消息的文本进行NER处理；在步骤S704，判断是否获得命名实体列表；如果判断结果为否，则在步骤S705，识别新短消息文本中的关键对象；如果判断结果为是，则在步骤S706，从命名实体列表中取出一个命名实体；在步骤S707，查询命名实体关联库中是否存在该命名实体；如果判断结果为否，则前进到步骤S705，识别新短消息文本中的关键对象；如果判断结果为是，则前进到步骤S708，查询该命名实体与几个联系人ID相关联；如果只有一个联系人ID，则在步骤S709，将该联系人ID推荐给用户，流程结束；如果与多个联系人ID相关联，则前进到步骤S705，识别新短消息文本中的关键对象；在步骤S710，利用所述关键对象关联库分析所述关键对象与联系人的关联性；在步骤S711，根据关联性的强度向所述用户推荐短消息接收人，流程结束。

基于同一发明构思，本发明提供了推荐短消息接收人的装置，图8示出根据本发明实施例的推荐短消息接收人的装置，包括：解析模块801，被配置为解析用户的历史短消息以产生与联系人相关联的数据；语义关联库构建模块802，被配置为利用所述数据构建语义关联库；关键对象识别模块803，被配置为识别所述用户的新短消息文本中的关键对象；语义关联库分析模块804，被配置为利用所述语义关联库分析所述关键对象与联系人的关联性；以及接收人推荐模块805，被配置为根据关联性的强度向所述用户推荐短消息接收人。

根据本发明的一个实施例，解析模块801进一步被配置为：获取历史短消息的联系人的标识信息；以及对历史短消息的文本进行切词处理以产生历史短消息的词列表、词的标识信息以及词的索引信息。

根据本发明的一个实施例，语义关联库构建模块802进一步包括关键对象关联库构建模块，关键对象关联库构建模块进一步被配置为：取出历史短消息的词列表中的至少一个词对应的标识信息；查询关键对象关联库是否已存在该历史短消息对应的联系人的标识信息；如果查询结果为否，则向关键对象关联库中添加该联系人的标识信息，并将所述至少一个词的标识信息与该联系人的标识信息相关联，以及将所述至少一个词的索引信息与该词的标识信息相关联。

根据本发明的一个实施例，解析模块801进一步被配置为：获取历史短消息的联系人的标识信息；以及通过对历史短消息的文本进行命名实体识别以获得历史短消息的命名实体列表。

根据本发明的一个实施例，语义关联库构建模块进802进一步包括命名实体关联库构建模块，其中命名实体关联库构建模块进一步被配置为：从历史短消息的命名实体列表中取出至少一个命名实体；查询命名实体库中是否存在所述命名实体；如果查询结果为否，则将所述命名实体添加到命名实体库；以及将所述历史短消息的联系人的标识信息与所述命名实体相关联。

根据本发明的一个实施例，接收人推荐模块805进一步被配置为：通过对新短消息的文本进行命名实体识别以获得新短消息的命名实体列表；从所述新短消息的命名实体列表中取出至少一个命名实体；查询命名实体关联库中是否存在该命名实体；如果查询结果为是，则查询该命名实体与几个联系人的标识信息相关联；如果只有一个联系人的标识信息，则将该联系人的标识信息推荐给用户。

根据本发明的一个实施例，关键对象识别模块803进一步被配置为：通过计算所述词列表中至少一个词在新短消息文本中的重要性和所述词列表中至少一个词对关键对象关联库中包含的联系人的重要性来识别新短消息文本中的关键对象。

根据本发明的一个实施例，其中语义关联库分析模块进一步被配置为：计算所述新短消息文本的关键对象对关键对象关联库中的联系人p_j的权重W(a_i)，其中a_i为关键对象；计算所述新短消息文本的关键对象对新短消息文本的权重W(a_i)′；以及通过计算上述权重W(a_i)和权重W(a_i)′的矢量积获得所述新短消息文本的关键对象与联系人p_j的关联性强度。

其中新短消息文本关键对象对关键对象关联库中的联系人p_j的权重W(a_i)的计算方法和所述新短消息文本的关键对象对新短消息文本的权重W(a_i)′的方法可以参照上述描述的方法计算。

应当理解，本发明的至少某些方面可以可替代地以程序产品实现。定义有关本发明的功能的程序可以通过各种信号承载介质被传送到数据存储系统或计算机系统，所述信号承载介质包括但不限于，不可写存储介质(例如，CD-ROM)、可写存储介质(例如，软盘、硬盘驱动器、读/写CD ROM、光介质)以及诸如包括以太网的计算机和电话网络之类的通信介质。因此应当理解，在此类信号承载介质中，当携带或编码有管理本发明中的方法功能的计算机可读指令时，代表本发明的可替代实施例。本发明可以硬件、软件、固件或其组合的方式实现。本发明可以集中的方式在一个计算机系统中实现，或以分布方式实现，在这种分布方式中，不同的部件分布在若干互连的计算机系统中。适于执行本文中描述的方法的任何计算机系统或其它装置都是合适的。优选地，本发明以计算机软件和通用计算机硬件的组合的方式实现，在这种实现方式中，当该计算机程序被加载和执行时，控制该计算机系统而使其执行本发明的方法，或构成本发明的系统。

上面出于举例说明的目的，给出了本发明的优选实施例的说明。优选实施例的上述说明不是穷尽的，也不打算把本发明局限于公开的明确形式，显然鉴于上述教导，许多修改和变化是可能的。对本领域的技术人员来说显而易见的这种修改和变化包括在由附加的权利要求限定的本发明的范围内。

Claims (14)

1.一种推荐短消息接收人的方法，包括步骤：

解析用户的历史短消息以产生与联系人相关联的数据；

利用所述数据构建语义关联库，包括利用所述数据构建关键对象关联库；

识别所述用户的新短消息文本中的关键对象，其中通过计算新短消息文本中的每个词的权重来确定新短消息文本中的关键对象，每个词的权重与语义重要性和全局重要性相关，其中语义重要性与该词在新短消息文本中的出现次数以及新短消息文本的长度相关，全局重要性是该词对关键对象关联库中包含的每个联系人的重要性的总和；

利用所述语义关联库分析所述关键对象与联系人的关联性，其中所述分析包括：

计算所述关键对象对关键对象关联库中的联系人p_j的权重W(a_i)，其中a_i为关键对象；

计算所述关键对象对新短消息文本的权重W(a_i)′；以及

通过计算上述权重W(a_i)和权重W(a_i)′的矢量积获得所述关键对象与联系人p_j的关联性强度；

根据关联性的强度向所述用户推荐短消息接收人。

2.根据权利要求1所述的方法，其中解析用户的历史短消息以产生与联系人相关联的数据进一步包括：获取历史短消息的联系人的标识信息；以及对历史短消息的文本进行切词处理以产生历史短消息的词列表、词的标识信息以及词的索引信息。

3.根据权利要求2所述的方法，其中利用所述数据构建关键对象关联库进一步包括：

取出历史短消息的词列表中的至少一个词对应的标识信息；

查询关键对象关联库是否已存在该历史短消息对应的联系人的标识信息；

如果查询结果为否，则向关键对象关联库中添加该联系人的标识信息，并将所述至少一个词的标识信息和所述至少一个词的索引信息与该联系人的标识信息相关联。

4.根据权利要求1所述的方法，其中解析用户的历史短消息以产生与联系人相关联的数据进一步包括：获取历史短消息的联系人的标识信息；以及通过对历史短消息的文本进行命名实体识别以获得历史短消息的命名实体列表。

5.根据权利要求4所述的方法，其中利用所述数据构建语义关联库包括利用所述数据构建命名实体关联库。

6.根据权利要求5所述的方法，其中利用所述数据构建命名实体关联库进一步包括：

从历史短消息的命名实体列表中取出至少一个命名实体；

查询命名实体库中是否存在所述命名实体；

如果查询结果为否，则将所述命名实体添加到命名实体库；以及

将该历史短消息的联系人的标识信息与所述命名实体相关联。

7.根据权利要求6所述的方法，还包括：

通过对新短消息的文本进行命名实体识别以获得所述新短消息的命名实体列表；

从所述新短消息的命名实体列表中取出至少一个命名实体；

查询命名实体关联库中是否存在所述至少一个命名实体；

如果查询结果为是，则查询所述至少一个命名实体与几个联系人的标识信息相关联；如果只与一个联系人的标识信息相关联，则将该联系人的标识信息推荐给用户。

8.一种推荐短消息接收人的装置，包括：

解析模块，被配置为解析用户的历史短消息以产生与联系人相关联的数据；

语义关联库构建模块，被配置为利用所述数据构建语义关联库，其中语义关联库构建模块被配置为利用所述数据构建关键对象关联库；

识别模块，被配置为识别所述用户的新短消息文本中的关键对象，其中通过计算新短消息文本中的每个词的权重来确定新短消息文本中的关键对象，每个词的权重与语义重要性和全局重要性相关，其中语义重要性与该词在新短消息文本中的出现次数以及新短消息文本的长度相关，全局重要性是该词对关键对象关联库中包含的每个联系人的重要性的总和；

语义关联库分析模块，被配置为利用所述语义关联库分析所述关键对象与联系人的关联性；以及

接收人推荐模块，被配置为根据关联性的强度向所述用户推荐短消息接收人；

其中语义关联库分析模块包括：

用于计算所述关键对象对关键对象关联库中的联系人p_j的权重W(a_i)的模块，其中a_i为关键对象；

用于计算所述关键对象对新短消息文本的权重W(a_i)′的模块；以及

用于通过计算上述权重W(a_i)和权重W(a_i)′的矢量积获得所述关键对象与联系人p_j的关联性强度的模块。

9.根据权利要求8所述的装置，其中解析模块进一步包括：用于获取历史短消息的联系人的标识信息的模块；以及用于对历史短消息的文本进行切词处理以产生历史短消息的词列表、词的标识信息以及词的索引信息的模块。

10.根据权利要求9所述的装置，其中语义关联库构建模块进一步包括：

用于取出历史短消息的词列表中的至少一个词对应的标识信息的模块；

用于查询关键对象关联库是否已存在该历史短消息对应的联系人的标识信息的模块；

用于如果查询结果为否则向关键对象关联库中添加该联系人的标识信息，并将所述至少一个词的标识信息和所述至少一个词的索引信息与该联系人的标识信息相关联的模块。

11.根据权利要求8所述的装置，其中解析模块进一步被配置为：用于获取历史短消息的联系人的标识信息的模块；以及用于通过对历史短消息的文本进行命名实体识别以获得历史短消息的命名实体列表的模块。

12.根据权利要求11所述的装置，其中语义关联库构建模块被配置为利用所述数据构建命名实体关联库。

13.根据权利要求12所述的装置，其中语义关联库分析模块包括：

用于从历史短消息的命名实体列表中取出至少一个命名实体的模块；

用于查询命名实体库中是否存在所述命名实体的模块；

用于如果查询结果为否，则将所述命名实体添加到命名实体库的模块；以及

用于将该历史短消息的联系人的标识信息与所述命名实体相关联的模块。

14.根据权利要求13所述的装置，还包括：

用于通过对新短消息的文本进行命名实体识别以获得所述新短消息的命名实体列表的模块；

用于从所述新短消息的命名实体列表中取出至少一个命名实体的模块；

用于查询命名实体关联库中是否存在所述至少一个命名实体的模块；

用于如果查询结果为是，则查询所述至少一个命名实体与几个联系人的标识信息相关联的模块；

用于如果只与一个联系人的标识信息相关联，则将该联系人的标识信息推荐给用户的模块。