CN110020169A

CN110020169A - 一种确定对象相关性的方法和装置

Info

Publication number: CN110020169A
Application number: CN201711459638.1A
Authority: CN
Inventors: 王鑫
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Jingdong Shangke Information Technology Co Ltd
Priority date: 2017-12-28
Filing date: 2017-12-28
Publication date: 2019-07-16

Abstract

本发明公开了一种确定对象相关性的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；基于第一对象出现的频率和第二对象出现的频率，利用余弦公式确定出第一对象和第二对象之间的相关性。该实施方式克服了现有技术中无法确定出话题中所包含的各个对象之间的对应关系的技术问题，进而达到快速确定出各个对象之间的相关性的技术效果，有利于发现各个对象之间隐形的对应关系，从而提高各个对象之间的关联强度。

Description

一种确定对象相关性的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种确定对象相关性的方法和装置。

背景技术

随着互联网的发展，舆情数据越来越受到人们的重视，基于舆情数据的话题和事件，往往能够影响到一个企业或者事物的发展，所以针对舆情中的话题的分析也越来越受到人们的重视。

舆情中的话题，往往包含了很多信息，其中就包括一些针对实物产品的议论以及其他与实物产品相关的新闻和事件。针对话题事件与实物产品的关联，已经开始慢慢体现出其价值。

当前针对话题与实物产品之间的关联，往往是通过查找当前话题下的新闻或者微博中，是否出现过相关的实物产品词。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1、因为舆情数据中的产品词，往往不是一个真正意义上的产品，都是一些口语化的表达。直接进行查找的话，召回率较低，例如：“iPhone6s 64G红色”这个产品词，在话题中查找，召回率很低；但是“apple”、“苹果”、“6s”等产品词却有很高的出现频次。

2、在话题中直接查找出来的产品词，往往跟话题本身关联不大，例如：“王宝强”事件的新闻中会出现“iPhone手机”等，并不能指明其是相关的，有可能是因为用户使用iPhone手机转载的，所以才会会出现“iPhone手机”等词。

3、话题与产品的相关性，往往不一定在文本内容中体现出来，一些隐性的相关性不能直接通过简单的匹配来查找，例如：“泰国地震”会导致“硬盘”价格上涨，其中隐藏的原因是因为大多数的硬盘生产厂都设立在泰国。

因此，如何确定出话题中所包含的各个对象之间的对应关系，是一个亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供一种确定对象相关性的方法和装置，能够基于各个对象出现的频率，确定出各个对象之间的相关性和对应关系。

为实现上述目的，根据本发明实施例的一个方面，提供了一种确定对象相关性的方法。

本发明实施例的一种确定对象相关性的方法包括：获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；基于第一对象出现的频率和第二对象出现的频率，利用余弦公式确定出第一对象和第二对象之间的相关性。

在本发明的一实施例中，获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率的步骤包括：获取多个第一对象和多个第二对象，以及每个第一对象出现的频率和每个第二对象出现的频率；在获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率的步骤之后，还包括：根据预设的频率阈值，对多个第一对象和多个第二对象进行过滤，以得到频率大于频率阈值的第一频率对象和第二频率对象。

在本发明的一实施例中，余弦公式为：

其中，S_T(A,B)表示在时间段T内A与B之间的相关性，A代表第一对象，B代表第二对象；n_Ai表示在第i天时第一对象出现的频率；n_Bi表示在第i天时第二对象出现的频率。

在本发明的一实施例中，在利用余弦公式确定出第一对象和第二对象之间的相关性的步骤之后，还包括：根据预设的相关性阈值，从确定出相关性的第一对象和第二对象中，过滤出相关性大于相关性阈值的第一相关性对象和第二相关性对象；根据关联规则，确定出第一相关性对象和第二相关性对象之间的关联强度。

在本发明的一实施例中，关联强度包括支持度和置信度；其中，支持度公式为：

其中，A代表第一对象，B代表第二对象；置信度公式为：

其中，A代表第一对象，B代表第二对象；在确定出第一相关性对象和第二相关性对象之间的关联强度的步骤之后，还包括：根据预设的支持度阈值和置信度阈值，从确定出关联强度的第一相关性对象和第二相关性对象中，过滤出支持度大于支持度阈值且置信度大于置信度阈值的第一强关联对象和第二强关联对象。

为实现上述目的，根据本发明实施例的另一方面，提供了一种确定对象相关性的装置。

本发明实施例的一种确定对象相关性的装置包括：获取模块，用于获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；处理模块，用于基于第一对象出现的频率和第二对象出现的频率，利用余弦公式确定出第一对象和第二对象之间的相关性。

在本发明的一实施例中，获取模块还用于：获取多个第一对象和多个第二对象，以及每个第一对象出现的频率和每个第二对象出现的频率；还包括第一过滤模块，用于：根据预设的频率阈值，对多个第一对象和多个第二对象进行过滤，以得到频率大于频率阈值的第一频率对象和第二频率对象。

在本发明的一实施例中，余弦公式为：

在本发明的一实施例中，还包括第二过滤模块，用于：根据预设的相关性阈值，从确定出相关性的第一对象和第二对象中，过滤出相关性大于相关性阈值的第一相关性对象和第二相关性对象；根据关联规则，确定出第一相关性对象和第二相关性对象之间的关联强度。

其中，A代表第一对象，B代表第二对象；置信度公式为：

其中，A代表第一对象，B代表第二对象；还包括第三过滤模块，用于：根据预设的支持度阈值和置信度阈值，从确定出关联强度的第一相关性对象和第二相关性对象中，过滤出支持度大于支持度阈值且置信度大于置信度阈值的第一强关联对象和第二强关联对象。

为实现上述目的，根据本发明的再一方面，提供了一种电子设备。

本发明实施例的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明一种确定对象相关性的方法。

为实现上述目的，根据本发明的再一方面，提供了一种计算机可读存储介质。

本发明实施例的一种计算机可读存储介质，其上存储有计算机程序，其特征在于，程序被处理器执行时实现本发明一种确定对象相关性的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用基于第一对象出现的频率以及第二对象出现的频率，确定出第一对象和第二对象之间的相关性的技术手段，所以克服了现有技术中无法确定出话题中所包含的各个对象之间的对应关系的技术问题，进而达到快速确定出各个对象之间的相关性的技术效果，有利于发现各个对象之间隐形的对应关系，从而提高各个对象之间的关联强度。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是根据本发明实施例的一种确定对象相关性的方法的主要流程的示意图；

图2是根据本发明实施例的第一对象和第二对象出现的频率的示意图；

图3是根据本发明实施例的一种确定对象相关性的装置的主要模块的示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明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，而不会背离本发明的范围和精神。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是根据本发明实施例的一种确定对象相关性的方法的主要流程的示意图，如图1所示，本发明实施例的一种确定对象相关性的方法主要包括如下步骤：

步骤S101：获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率。其中，指定时间段包括若干天数，需要统计指定时间段内出现的频率，即第一对象每天出现的频率以及第二对象每天出现的频率，最后，将第一对象每天出现的频率以及第二对象每天出现的频率进行汇总，便得到在指定时间段内每个第一对象出现的总频率和每个第二对象出现的总频率。需要说明的是，对象可以是人名、地名、机构名或产品名等多种形式，每个对象在指定时间段内出现的频率可以是以每天的方式进行统计，也可以是以一个周期为基础进行统计，且该频率可以是次数，也可以是一个波动值，从而根据这些数据展示出对象在指定时间段内基于时间序列的相关性。

为了得到多组对象的相关性展示，在本发明的实施例中，获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率的步骤包括：获取多个第一对象和多个第二对象，以及每个第一对象出现的频率和每个第二对象出现的频率。

在本发明中，获取到的每个第一对象出现的总频率和每个第二对象出现的总频率后，需要进行一次过滤，将总频率低于频率阈值的第一对象和第二对象过滤掉，具体的，在获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率的步骤之后，还包括：根据预设的频率阈值，对多个第一对象和多个第二对象进行过滤，以得到频率大于频率阈值的第一频率对象和第二频率对象。然后就可以确定出第一频率对象和第二频率对象之间的相关性，具体的确定步骤将在后续的论述中详尽阐述，于此不再赘述。

步骤S102：基于第一对象出现的频率和第二对象出现的频率，利用余弦公式确定出第一对象和第二对象之间的相关性。在步骤S101中，从多个第一对象和多个第二对象中过滤出大于频率阈值的第一频率对象和第二频率对象，然后，基于第一频率对象出现的频率和第二频率对象出现的频率，代入到余弦公式中确定出第一频率对象和第二频率对象的相关性。

在本发明中，余弦公式为：

其中，S_T(A,B)表示在时间段T内A与B之间的相关性，A代表第一对象，B代表第二对象；n_Ai表示在第i天时第一对象出现的频率；n_Bi表示在第i天时第二对象出现的频率。需要说明的是，在本发明的实施例中，A代表第一频率对象，B代表第二频率对象，n_Ai表示在第i天时第一频率对象出现的频率；n_Bi表示在第i天时第二频率对象出现的频率，通过本发明的余弦公式的计算之后，得到的是一个关于时间序列的第一频率对象和第二频率对象的相关性展示。

通过步骤S102的计算之后，得到了关于从第一对象和第二对象过滤出的第一频率对象和第二频率对象之间的相关性，为了获得相关性更高一点的对象，需要进一步进行过滤，具体的，在利用余弦公式确定出第一对象和第二对象之间的相关性的步骤之后，还包括：根据预设的相关性阈值，从确定出相关性的第一对象和第二对象中，过滤出相关性大于相关性阈值的第一相关性对象和第二相关性对象；根据关联规则，确定出第一相关性对象和第二相关性对象之间的关联强度。即，本发明的实施例是从第一频率对象和第二频率对象进一步过滤出第一相关性对象和第二相关性对象。

需要说明的是，本发明的关联强度包括支持度和置信度；其中，支持度公式为：

其中，A代表第一对象，B代表第二对象；置信度公式为：

其中，A代表第一对象，B代表第二对象；在确定出第一相关性对象和第二相关性对象之间的关联强度的步骤之后，还包括：根据预设的支持度阈值和置信度阈值，从确定出关联强度的第一相关性对象和第二相关性对象中，过滤出支持度大于支持度阈值且置信度大于置信度阈值的第一强关联对象和第二强关联对象。即第一强关联对象和第二强关联对象是相关性更高的第一对象和第二对象。

图2是根据本发明实施例的第一对象和第二对象出现的频率的示意图。时间作为微博、新闻数据的一个重要属性，表明了用户在哪天参与了某话题讨论，同时也侧面反映了话题词(即上述第一对象)对涉及的话题的发生发展时间。如图2所示，列举了“雾霾”和“口罩”两个话题词，可以看出在同一个时间段内，其出现次数的分布比较一致。

首先需要获得跟话题相关的话题词，如“618大促”、“雾霾天”等词，方法有多种，本发明采用的有两种：一种是通过对数据中的产品词进行标注，通过使用CRF等监督学习方法识别出微博或者新闻中的产品词(即上述第二对象)，如“玩具”、“巧克力”、“iPhone 手机”等，所以需要对微博或者新闻中的数据进行标注；另一种，如果是微博数据，Hashtag可以作为话题的补充数据。

本发明具体的实现方式分为以下几步：

1、以微博为例，将最新的微博数据作为输入，应用中文分析工具 (如Hanlp)等对评论语料进行分词和词性标注以及命名实体识别，识别出微博文本中的“人名、地名、机构名、产品名”，以及微博中的Hashtag 标识的短语，如“电影、事件”等作为候选产品或话题的特征集合。

2、遍历微博数据，在一个句子中寻找共现的所有的话题词、产品词，每一条作为一个事务，并记录其在微博数据中出现的次数。其中，话题词包括“人名、地名、机构名、Hashtag”。对不同的话题词和产品词，使用同义词典以及文本相似度算法进行归约。归约后的事务，根据需求，因为只需要找跟产品词相关的关联规则，所以将事务集中一条事务都是产品词或者都是话题词的事务删除。如表1所示，因为事务{鹿晗，关晓彤}都是明星话题词，所以无法产生话题到产品的关联规则，所以删除。

表1话题词和产品词出现的次数

删除后的表1如表2所示。

事务编号	事务项	出现的次数
			1	雾霾，口罩	10
2	展会，火车票	15
			3	展会，雄安新区，火车票	56
4	鹿晗，风衣	11
			5	《变形金刚5》，孩之宝	34
6	《王者荣耀》，手机，手柄	400
			7	黑科技，GPU,显卡	122

表2删除事物项之后的话题词和产品词出现的次数

3、剩余的事务集抽取出所有话题词、产品词作为1-项集(即上述获取指定时间段内的多个话题词和多个产品词，以及每个话题词每天出现的次数和每个产品词每天出现的次数)，具体如表3所示。

项集	出现的次数
		雾霾	10
口罩	10
		展会	71
火车票	71
		雄安新区	56
鹿晗	11
		风衣	11
《变形金刚5》	34
		孩之宝	34
《王者荣耀》	400
		手机	400
手柄	400
		黑科技	122
显卡	122
		GPU	122

表3最终获取的话题词和产品词以及话题词出现的次数和产品词出现的次数

4、根据预设的次数阈值对话题词和产品词进行第一次过滤(本发明中预设的次数阈值为1/2)，过滤掉出现的次数较低的事务项，生成1-频繁项集(该1-频繁项集包含的即上述的第一频率对象和第二频率对象)，过滤后的数据如表4所示。

项集	出现的次数
		展会	71
火车票	71
		雄安新区	56
《变形金刚5》	34
		孩之宝	34
《王者荣耀》	400
		手机	400
手柄	400
		黑科技	122
显卡	122
		GPU	122

表4第一次过滤之后的话题词和产品以及话题词出现的次数和产品词出现的次数

5、以(n_A1,n_A2,...,n_Ai,...,n_Am)表示在m天内，话题词A每天出现的次数。话题词与产品词之间在指定的时间内的相关性计算则采用余弦公式求得，具体公式如下：

其中，S_T(A,B)表示在时间段T内A与B之间的相关性，A代表话题词，B代表产品词；n_Ai表示在第i天时话题词出现的次数；n_Bi表示在第i天时产品词出现的次数。

具体的，是将1-频繁项集中的话题词与产品词生成{话题词，产品词}对，生成其m天内的时间序列，然后代入到公式中计算其时间序列上的相关性，

需要说明的是，在一些使用场景中还需要从确定出的相关性的话题词和产品词中，选出相关性更高一些的话题词和产品词。因此，需要设置相关性阈值μ(根据历史的经验值，提前进行设置的，范围在 0-1之间)，过滤出相关性大于相关性阈值的词对，作为2-频繁项集(该 2-频繁项集包含的即上述第一相关性对象和第二相关性对象)如下：

{展会，火车票}，{雄安新区，火车票}，{变形金刚5，孩之宝}， {王者荣耀，手机}，{王者荣耀，手柄}，{黑科技，GPU}，{黑科技，显卡}。

然后利用关联规则确定出2-频繁项集中每一对话题词和产品词之间的支持度和置信度。支持度公式为：

其中，A代表话题词，B代表产品词；

置信度公式为：

其中，A代表话题词，B代表产品词；

最后在将计算出的支持度和置信度，与预设的支持度阈值和置信度阈值进行比较，过滤出大于支持度阈值且大于置信度阈值的词对(该词对即上述第一强关联对象和第二强关联对象)，该词对就是从2-频繁项集中确定出的强相关性的话题词和产品词。

根据本发明实施例的确定对象相关性的方法可以看出，因为采用基于第一对象出现的频率以及第二对象出现的频率，确定出第一对象和第二对象之间的相关性的技术手段，所以克服了现有技术中无法确定出话题中所包含的各个对象之间的对应关系的技术问题，进而达到快速确定出各个对象之间的相关性的技术效果，有利于发现各个对象之间隐形的对应关系，从而提高各个对象之间的关联强度。

图3是根据本发明实施例的一种确定对象相关性的装置的主要模块的示意图。如图3所示，本发明实施例的一种确定对象相关性的装置300主要包括：获取模块301和处理模块302，其中：

获取模块301，用于获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；处理模块302，用于基于第一对象出现的频率和第二对象出现的频率，利用余弦公式确定出第一对象和第二对象之间的相关性。

在本发明的一实施例中，获取模块还用于：获取多个第一对象和多个第二对象，以及每个第一对象出现的频率和每个第二对象出现的频率；还包括第一过滤模块(图中未示出)，用于：根据预设的频率阈值，对多个第一对象和多个第二对象进行过滤，以得到频率大于频率阈值的第一频率对象和第二频率对象。

在本发明的一实施例中，余弦公式为：

在本发明的一实施例中，还包括第二过滤模块(图中未示出)，用于：根据预设的相关性阈值，从确定出相关性的第一对象和第二对象中，过滤出相关性大于相关性阈值的第一相关性对象和第二相关性对象；根据关联规则，确定出第一相关性对象和第二相关性对象之间的关联强度。

其中，A代表第一对象，B代表第二对象；置信度公式为：

其中，A代表第一对象，B代表第二对象；还包括第三过滤模块(图中未示出)，用于：根据预设的支持度阈值和置信度阈值，从确定出关联强度的第一相关性对象和第二相关性对象中，过滤出支持度大于支持度阈值且置信度大于置信度阈值的第一强关联对象和第二强关联对象。

从以上描述可以看出，因为采用基于第一对象出现的频率以及第二对象出现的频率，确定出第一对象和第二对象之间的相关性的技术手段，所以克服了现有技术中无法确定出话题中所包含的各个对象之间的对应关系的技术问题，进而达到快速确定出各个对象之间的相关性的技术效果，有利于发现各个对象之间隐形的对应关系，从而提高各个对象之间的关联强度。

图4示出了可以应用本发明实施例的确定对象相关性的方法或确定对象相关性的装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405 交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器 (仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息-- 仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的确定对象相关性的方法一般由服务器405执行，相应地，确定对象相关性的装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508 加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/ 输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元 (CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；基于第一对象出现的频率和第二对象出现的频率，利用余弦公式确定出第一对象和第二对象之间的相关性。

根据本发明实施例的技术方案，因为采用基于第一对象出现的频率以及第二对象出现的频率，确定出第一对象和第二对象之间的相关性的技术手段，所以克服了现有技术中无法确定出话题中所包含的各个对象之间的对应关系的技术问题，进而达到快速确定出各个对象之间的相关性的技术效果，有利于发现各个对象之间隐形的对应关系，从而提高各个对象之间的关联强度。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims

1.一种确定对象相关性的方法，其特征在于，包括：

获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；

基于所述第一对象出现的频率和所述第二对象出现的频率，利用余弦公式确定出所述第一对象和所述第二对象之间的相关性。

2.根据权利要求1所述的方法，其特征在于，所述获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率的步骤包括：获取多个第一对象和多个第二对象，以及每个第一对象出现的频率和每个第二对象出现的频率；

在所述获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率的步骤之后，还包括：根据预设的频率阈值，对所述多个第一对象和所述多个第二对象进行过滤，以得到频率大于所述频率阈值的第一频率对象和第二频率对象。

3.根据权利要求1所述的方法，其特征在于，所述余弦公式为：

4.根据权利要求1所述的方法，其特征在于，在所述利用余弦公式确定出所述第一对象和所述第二对象之间的相关性的步骤之后，还包括：

根据预设的相关性阈值，从确定出相关性的所述第一对象和所述第二对象中，过滤出相关性大于所述相关性阈值的第一相关性对象和第二相关性对象；

根据关联规则，确定出所述第一相关性对象和所述第二相关性对象之间的关联强度。

5.根据权利要求4所述的方法，其特征在于，所述关联强度包括支持度和置信度；

其中，所述支持度公式为：

其中，A代表第一对象，B代表第二对象；

所述置信度公式为：

其中，A代表第一对象，B代表第二对象；

在确定出所述第一相关性对象和所述第二相关性对象之间的关联强度的步骤之后，还包括：

根据预设的支持度阈值和置信度阈值，从确定出关联强度的所述第一相关性对象和所述第二相关性对象中，过滤出支持度大于所述支持度阈值且置信度大于所述置信度阈值的第一强关联对象和第二强关联对象。

6.一种确定对象相关性的装置，其特征在于，包括：

获取模块，用于获取指定时间段内的第一对象和第二对象，以及第一对象出现的频率和第二对象出现的频率；

处理模块，用于基于所述第一对象出现的频率和所述第二对象出现的频率，利用余弦公式确定出所述第一对象和所述第二对象之间的相关性。

7.根据权利要求6所述的装置，其特征在于，所述获取模块还用于：获取多个第一对象和多个第二对象，以及每个第一对象出现的频率和每个第二对象出现的频率；

还包括第一过滤模块，用于：根据预设的频率阈值，对所述多个第一对象和所述多个第二对象进行过滤，以得到频率大于所述频率阈值的第一频率对象和第二频率对象。

8.根据权利要求6所述的装置，其特征在于，所述余弦公式为：

9.根据权利要求6所述的装置，其特征在于，还包括第二过滤模块，用于：

10.根据权利要求9所述的装置，其特征在于，所述关联强度包括支持度和置信度；

其中，所述支持度公式为：

其中，A代表第一对象，B代表第二对象；

所述置信度公式为：

其中，A代表第一对象，B代表第二对象；

还包括第三过滤模块，用于：

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。