CN110110190A - 信息输出方法和装置 - Google Patents
信息输出方法和装置 Download PDFInfo
- Publication number
- CN110110190A CN110110190A CN201810108330.0A CN201810108330A CN110110190A CN 110110190 A CN110110190 A CN 110110190A CN 201810108330 A CN201810108330 A CN 201810108330A CN 110110190 A CN110110190 A CN 110110190A
- Authority
- CN
- China
- Prior art keywords
- phrase
- opinion
- word
- comment information
- opinion phrase
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000004044 response Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 230000003466 anti-cipated effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
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
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Machine Translation (AREA)
Abstract
本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括:获取评论信息集合;对评论信息集合中的每条评论信息中的每个子句执行以下处理步骤:在子句中查找包含在预设的评价词集合中的目标评价词;若查找到目标评价词,则在子句中以目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;若查找到第一目标词,则从当前位置继续往前遍历,查找第一个、词性不是预设词性的第二目标词;若查找到第二目标词或者遍历到子句的句首时未查找到第二目标词,则基于停止查找时的停止位置和目标评价词所在的位置,从子句中提取出短语作为意见短语,以及输出意见短语。该实施方式提高了挖掘出的意见短语的完整性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及信息输出方法和装置。
背景技术
意见挖掘是当前互联网智能化信息处理中的一个重要研究热点,是一项具有较大实用价值的研究课题。意见挖掘可以在网络舆情监控、信息推送、个性化观点检索、商业智能分析等领域得到广泛应用。
目前的意见挖掘方法,通常是通过设置各种匹配模板(例如“名词+形容词”、“名词+副词+形容词”等)来找出评论中的意见短语,但这种意见短语的完整性通常较低。
发明内容
本申请实施例提出了信息输出方法和装置。
第一方面,本申请实施例提供了一种信息输出方法,该方法包括:获取评论信息集合,其中,评论信息包括至少一个子句;对于上述评论信息集合中的每条评论信息,对该评论信息中的每个子句执行以下处理步骤:在该子句中查找包含在预设的评价词集合中的目标评价词;响应于查找到上述目标评价词,在该子句中以上述目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;响应于查找到上述第一目标词,从当前位置继续往前遍历,查找第一个、词性不是上述预设词性的第二目标词;响应于查找到上述第二目标词或者遍历到该子句的句首时未查找到上述第二目标词,基于停止查找时的停止位置和上述目标评价词所在的位置,从该子句中提取出短语作为意见短语,以及输出上述意见短语。
在一些实施例中,上述基于停止查找时的停止位置和上述目标评价词所在的位置,从该子句中提取出短语作为意见短语,包括:若处于上述停止位置的词是词性为上述预设词性的词,则从该子句中提取出以处于上述停止位置的词为起始词以及以上述目标评价词为结束词的短语。
在一些实施例中,在上述获取评论信息集合之后,上述方法还包括:对上述评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
在一些实施例中,上述方法还包括:从所确定的各条意见短语中选取意见短语作为代表意见短语,输出上述代表意见短语。
在一些实施例中,上述从所确定的各条意见短语中选取意见短语作为代表意见短语,包括:确定上述各条意见短语分别与预设的分类用短语集合中的每条分类用短语之间的相似度;基于确定的相似度,将上述各条意见短语划分成至少一个意见短语组;对于划分出的每个意见短语组,基于意见短语在上述评论信息集合中的评论信息中出现的次数,从该意见短语组中选取意见短语作为第一意见短语;从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语。
在一些实施例中,上述从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语,包括:确定第一意见短语两两之间的语义相似度;基于确定的语义相似度,将上述各条第一意见短语划分成至少一个第一意见短语组;对于划分出的每个第一意见短语组,基于第一意见短语在上述评论信息集合中的评论信息中出现的次数,从该第一意见短语组中选取第一意见短语作为第二意见短语;从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语。
在一些实施例中,上述从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语,包括:基于预设的至少一个词语集合,将上述各条第二意见短语划分成至少一个第二意见短语组,其中,词语集合包括意义相同的词语;对于划分出的每个第二意见短语组,基于第二意见短语在上述评论信息集合中的评论信息中出现的次数,从该第二意见短语组中选取第二意见短语作为代表意见短语。
第二方面,本申请实施例提供了一种信息输出装置,该装置包括:获取单元,配置用于获取评论信息集合,其中,评论信息包括至少一个子句;处理单元,配置用于对于上述评论信息集合中的每条评论信息,对该评论信息中的每个子句执行以下处理步骤:在该子句中查找包含在预设的评价词集合中的目标评价词;响应于查找到上述目标评价词,在该子句中以上述目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;响应于查找到上述第一目标词,从当前位置继续往前遍历,查找第一个、词性不是上述预设词性的第二目标词;响应于查找到上述第二目标词或者遍历到该子句的句首时未查找到上述第二目标词,则基于停止查找时的停止位置和上述目标评价词所在的位置,从该子句中提取出短语作为意见短语,以及输出上述意见短语。
在一些实施例中,上述处理单元包括:提取子单元,配置用于若处于上述停止位置的词是词性为上述预设词性的词,则从该子句中提取出以处于上述停止位置的词为起始词以及以上述目标评价词为结束词的短语。
在一些实施例中,上述装置还包括:标注单元,配置用于对上述评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
在一些实施例中,上述装置还包括:第一处理单元,配置用于从所确定的各条意见短语中选取意见短语作为代表意见短语,输出上述代表意见短语。
在一些实施例中,上述第一处理单元包括:确定子单元,配置用于确定上述各条意见短语分别与预设的分类用短语集合中的每条分类用短语之间的相似度;划分子单元,配置用于基于确定的相似度,将上述各条意见短语划分成至少一个意见短语组;第一选取子单元,配置用于对于划分出的每个意见短语组,基于意见短语在上述评论信息集合中的评论信息中出现的次数,从该意见短语组中选取意见短语作为第一意见短语;第二选取子单元,配置用于从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语。
在一些实施例中,上述第二选取子单元包括:确定模块,配置用于确定第一意见短语两两之间的语义相似度;划分模块,配置用于基于确定的语义相似度,将上述各条第一意见短语划分成至少一个第一意见短语组;第一选取模块,配置用于对于划分出的每个第一意见短语组,基于第一意见短语在上述评论信息集合中的评论信息中出现的次数,从该第一意见短语组中选取第一意见短语作为第二意见短语;第二选取模块,配置用于从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语。
在一些实施例中,上述第二选取模块进一步配置用于:基于预设的至少一个词语集合,将上述各条第二意见短语划分成至少一个第二意见短语组,其中,词语集合包括意义相同的词语;对于划分出的每个第二意见短语组,基于第二意见短语在上述评论信息集合中的评论信息中出现的次数,从该第二意见短语组中选取第二意见短语作为代表意见短语。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的信息输出方法和装置,通过对所获取的评论信息集合中的每条评论信息所包括的每个子句进行指定的处理步骤,可以提高挖掘出的意见短语的完整性。其中,该处理步骤包括:在子句中查找包含在预设的评价词集合中的目标评价词;响应于查找到目标评价词,在子句中以目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;响应于查找到第一目标词,从当前位置继续往前遍历,查找第一个、词性不是预设词性的第二目标词;响应于查找到第二目标词或者遍历到子句的句首时未查找到第二目标词,基于停止查找时的停止位置和目标评价词所在的位置,从子句中提取出短语作为意见短语,以及输出意见短语。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的信息输出方法的一个实施例的流程图;
图3是根据本申请的信息输出方法的又一个实施例的流程图;
图4是根据本申请的信息输出装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息输出方法或信息输出装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括服务器101、103和网络102。网络102用以在服务器101和服务器103之间提供通信链路的介质。网络102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。
服务器101可以是提供各种服务的服务器,例如对评论信息集合进行存储的数据存储用服务器。
服务器103可以是提供各种服务的服务器,例如,服务器103可以从服务器101获取评论信息集合,并对评论信息集合中的每条评论信息进行分析等处理,并输出处理结果(例如挖掘出的意见短语)。
需要说明的是,本申请实施例所提供的信息输出方法一般由服务器103执行,相应地,信息输出装置一般设置于服务器103中。
需要指出的是,若服务器103所获取的评论信息集合预先存储在本地,那么系统架构100可以不包括服务器101。
应该理解,图1中的服务器和网络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服务器和网络。
继续参考图2,示出了根据本申请的信息输出方法的一个实施例的流程200。该信息输出方法的流程200,包括以下步骤:
步骤201,获取评论信息集合。
在本实施例中,信息输出方法运行于其上的电子设备(例如图1所示的服务器103)可以本地获取评论信息集合,也可以从远程通信连接的服务器(例如图1所示的服务器101)获取评论信息集合。其中,评论信息可以包括至少一个子句。例如,对于评论信息“手机质量不错,电池很耐用”,该评论信息包括两个子句,即“手机质量不错”和“电池很耐用”。
需要说明的是,评论信息所针对的评论对象例如可以是物体(例如手机、电脑、衣服、酒等等)、文章、影视剧等等。本实施例不对评论信息所针对的评论对象做任何限定。
需要指出的是,上述评论信息集合中的各条评论信息可以是针对同一评论对象的评论信息。另外,上述评论信息集合中的各条评论信息可以是经分词和词性标注后的评论信息。
步骤202,对于评论信息集合中的每条评论信息,对该评论信息中的每个子句执行处理步骤。
在本实施例中,对于上述评论信息集合中的每条评论信息,上述电子设备可以对该评论信息中的每个子句执行以下处理步骤:
首先,上述电子设备可以在子句中查找包含在预设的评价词集合中的目标评价词。其中,评价词集合内可以存在正面评价词(例如“很好”、“耐用”、“漂亮”、“便宜”等等)和负面评价词(例如“垃圾”、“差”、“贵”、“难看”等等)。
而后,响应于上述电子设备查找到目标评价词,上述电子设备可以在子句中以目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词。其中,预设词性例如可以是名词。
作为示例,假设子句为“手机质量确实不错”,该子句包括名词“手机”和“质量”、副词“确实”和形容词“不错”。响应于目标评价词为“不错”,上述电子设备可以从“不错”所在的位置往前遍历,查找第一个、词性为名词的第一目标词。在子句“手机质量确实不错”中,上述电子设备可以查找到第一目标词“质量”。
然后,响应于上述电子设备查找到第一目标词,上述电子设备可以从当前位置(即第一目标词所在的位置)继续往前遍历,查找第一个、词性不是上述预设词性的第二目标词。继续以子句“手机质量确实不错”为例,上述电子设备在查找到第一目标词“质量”后,上述电子设备可以从“质量”所在的位置继续往前遍历,查找第一个、词性不是名词的第二目标词。在子句“手机质量确实不错”中,“质量”的前一个词是名词“手机”,当上述电子设备再继续往前遍历时,可以确定“手机”已是该子句的句首,上述电子设备可以确定未查找到第二目标词,而且上述电子设备可以停止查找。
另外,以子句“而且手机质量确实不错”为例,上述电子设备在查找到第一目标词“质量”后,上述电子设备可以从“质量”所在的位置继续往前遍历,当遍历到“手机”时,上述电子设备可以确定“手机”是名词,上述电子设备可以继续往前遍历,当遍历到“而且”时,上述电子设备可以确定“而且”不是名词,上述电子设备可以确定查找到第二目标词“而且”,上述电子设备可以停止查找。
最后,响应于上述电子设备查找到第二目标词,或者上述电子设备遍历到子句的句首时未查找到第二目标词,上述电子设备可以基于停止查找时的停止位置和目标评价词所在的位置,从子句中提取出短语作为意见短语,以及输出该意见短语。例如,将该意见短语输出至指定页面或指定文件中等等。
需要说明的是,若处于上述停止位置的词是上述电子设备查找到的第二目标词,则上述电子设备可以从子句中提取出以第二目标词的后一个词为起始词以及以目标评价词为结束词的短语作为意见短语。以子句“而且手机质量确实不错”为例,上述电子设备查找到的目标评价词为“不错”,查找到的第二目标词为“而且”,上述电子设备可以从该子句中提取出以“而且”的后一个词“手机”为起始词以及以“不错”为结束词的短语“手机质量确实不错”,上述电子设备可以将该短语作为意见短语。
需要指出的是,上述电子设备在查找到第一目标词后,再继续往前遍历查找第二目标词,可以尽可能地确保挖掘出的意见短语的完整性。以子句“手机屏幕很大”为例,若只是简单的以“名词+形容词”这种规则来挖掘意见短语,那么挖掘出的意见短语为“屏幕很大”。而采用本实施例提供的方法,挖掘出的意见短语为“手机屏幕很大”。意见短语“手机屏幕很大”相对于“屏幕很大”,具有较高的完整性。
在本实施例的一些可选的实现方式中,若处于上述停止位置的词是词性为上述预设词性的词,则上述电子设备可以从子句中提取出以处于上述停止位置的词为起始词以及以目标评价词为结束词的短语。
本申请的上述实施例提供的方法,通过对所获取的评论信息集合中的每条评论信息所包括的每个子句进行指定的处理步骤,提高了挖掘出的意见短语的完整性。
继续参见图3,其示出了信息输出方法的又一个实施例的流程300。该信息输出方法的流程300,包括以下步骤:
步骤301,获取评论信息集合。
在本实施例中,信息输出方法运行于其上的电子设备(例如图1所示的服务器103)可以本地获取评论信息集合,也可以从远程通信连接的服务器(例如图1所示的服务器101)获取评论信息集合。其中,评论信息可以包括至少一个子句。例如,对于评论信息“手机质量不错,电池很耐用”,该评论信息包括两个子句,即“手机质量不错”和“电池很耐用”。
需要说明的是,上述评论信息集合中的评论信息可以是未经分词和词性标注的评论信息。
步骤302,对评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
在本实施例中,上述电子设备在获取到上述评论信息集合后,上述电子设备可以对上述评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
作为示例,上述电子设备例如可以对评论信息进行全切分方法等处理,把评论信息分割成词。另外,上述电子设备本地或与上述电子设备远程通信连接的服务器可以预先存储有多个词集合,任意两个词集合可以对应不同的词性标识(例如词性名称或词性编号等)。上述电子设备可以利用这些词集合来确定分出的每个词的词性,并为每个词进行词性标注。
步骤303,对于评论信息集合中的每条评论信息,对该评论信息中的每个子句执行处理步骤。
在本实施例中,对于上述评论信息集合中的每条评论信息,上述电子设备可以对该评论信息中的每个子句执行以下处理步骤:
首先,上述电子设备可以在子句中查找包含在预设的评价词集合中的目标评价词。
而后,响应于上述电子设备查找到目标评价词,上述电子设备可以在子句中以目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词。
然后,响应于上述电子设备查找到第一目标词,上述电子设备可以从当前位置继续往前遍历,查找第一个、词性不是上述预设词性的第二目标词。
最后,响应于上述电子设备查找到第二目标词或者遍历到子句的句首时未查找到第二目标词,上述电子设备可以基于停止查找时的停止位置和目标评价词所在的位置,从子句中提取出短语作为意见短语,以及输出意见短语。
步骤304,从所确定的各条意见短语中选取意见短语作为代表意见短语,输出代表意见短语。
在本实施例中,上述电子设备在针对上述评论信息集合中的各条评论信息分别包括的各个子句均执行上述处理步骤后,上述电子设备可以从所确定的各条意见短语中选取意见短语作为代表意见短语,以及输出代表意见短语。例如将代表意见短语输出至指定页面或指定文件中等等。
作为示例,上述电子设备可以通过以下步骤来从上述各条意见短语中选取意见短语作为代表意见短语:
首先,上述电子设备可以确定上述各条意见短语分别与预设的分类用短语集合中的每条分类用短语之间的相似度。
而后,上述电子设备可以基于确定的相似度,将上述各条意见短语划分成至少一个意见短语组。
然后,对于划分出的每个意见短语组,上述电子设备可以基于意见短语在评论信息集合中的评论信息中出现的次数,从该意见短语组中选取意见短语作为第一意见短语。例如,若该意见短语组包括两条以上意见短语,则上述电子设备可以从该意见短语组中选取在上述评论信息集合中的评论信息中出现的次数最多的意见短语作为第一意见短语。若该意见短语组包括一条意见短语,则上述电子设备可以直接选取该意见短语作为第一意见短语。
最后,上述电子设备可以从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语。例如,上述电子设备可以选取上述各条第一意见短语中的每条第一意见短语作为代表意见短语。
需要说明的是,上述分类用短语集合中的分类用短语可以是已有的类簇中的具有代表性的短语。上述电子设备可以采用诸如Single-Pass聚类方法等处理手段,来确定上述各条意见短语分别与上述分类用短语集合中的每条分类用短语之间的相似度,以及基于确定的相似度,将上述各条意见短语划分成至少一个意见短语组。
需要指出的是,Single-Pass聚类方法又称单通道法或单遍法,是流式数据聚类的经典方法。上述电子设备在采用Single-Pass聚类方法时,可以采用余弦相似度方法来确定上述各条意见短语分别与上述分类用短语集合中的每条分类用短语之间的相似度。对于上述分类用短语集合中的每条分类用短语,上述电子设备可以将与该分类用短语之间的相似度不低于相似度阈值的意见短语划分到同一个意见短语组。对于任意一个与上述分类用短语集合中的各个分类用短语之间的相似度均低于上述相似度阈值的意见短语,上述电子设备可以将该意见短语划分为一个意见短语组。
在本实施例的一些可选的实现方式中,上述电子设备可以采用以下步骤来从上述各条第一意见短语中选取第一意见短语作为代表意见短语:
首先,上述电子设备可以确定第一意见短语两两之间的语义相似度。
而后,上述电子设备可以基于确定的语义相似度,将上述各条第一意见短语划分成至少一个第一意见短语组。
然后,对于划分出的每个第一意见短语组,上述电子设备可以基于第一意见短语在上述评论信息集合中的评论信息中出现的次数,从该第一意见短语组中选取第一意见短语作为第二意见短语。例如,若该第一意见短语包括两条以上第一意见短语,则上述电子设备可以从该第一意见短语组中选取在上述评论信息集合中的评论信息中出现的次数最多的第一意见短语作为代表意见短语。若该第一意见短语组包括一条第一意见短语,则上述电子设备可以直接选取该第一意见短语作为第二意见短语。
最后,上述电子设备可以从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语。作为示例,上述电子设备可以选取上述各条第二意见短语中的每条第二意见短语作为代表意见短语。
需要说明的是,上述电子设备可以采用Word2Vec方法等处理手段,来确定第一意见短语两两之间的语义相似度,以及基于确定的语义相似度,将上述各条第一意见短语划分成至少一个第一意见短语组。例如,将语义相似度不低于语义相似度阈值的第一意见短语归入同一个第一意见短语组。这里,Word2Vec方法也可称为词嵌入方法,利用该方法可以实现对语义相关的短语进行归一化处理。例如“价格便宜”和“价格不贵”,虽然在编辑距离上并不相似,但是它们的意思是相近的,而Word2Vec是基于词语上下文来计算相似度的,所以可以将此类短语合并。
在本实施例的一些可选的实现方式中,上述电子设备可以采用以下步骤来从上述各条第二意见短语中选取第二意见短语作为代表意见短语:
首先,上述电子设备可以基于预设的至少一个词语集合,将上述各条第二意见短语划分成至少一个第二意见短语组。其中,词语集合可以包括意义相同的词语(例如“漂亮”和“美丽”是一组意义相同的词语,“开心”和“快乐”也是一组意义相同的词语)。作为示例,对于上述各条第二意见短语中的任意两条第二意见短语,上述电子设备可以查找这两条第二意见短语是否包括存在于同一个词语集合内的词语,若是,则上述电子设备可以将这两条第二意见短语归入同一个第二意见短语组。
而后,对于划分出的每个第二意见短语组,上述电子设备可以基于第二意见短语在上述评论信息集合中的评论信息中出现的次数,从该第二意见短语组中选取第二意见短语作为代表意见短语。例如,若该第二意见短语包括两条以上第二意见短语,则上述电子设备可以从该第二意见短语组中选取在上述评论信息集合中的评论信息中出现的次数最多的第二意见短语作为代表意见短语。若该第二意见短语组包括一条第二意见短语,则上述电子设备可以直接选取该第二意见短语作为代表意见短语。
从图3中可以看出,与图2对应的实施例相比,本实施例中的信息输出方法的流程300突出了对评论信息集合中的评论信息进行分词以及为分出的词进行词性标注的步骤,以及从所确定的各条意见短语中选取意见短语作为代表意见短语并输出代表意见短语的步骤。由此,本实施例描述的方案可以实现更全面的信息处理。通过对代表意见短语的确定,实现了对意见短语的归一化处理,有效地减少了意见短语的数量。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种信息输出装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所示的信息输出装置400包括:获取单元401和处理单元402。其中,获取单元401配置用于获取评论信息集合,其中,评论信息可以包括至少一个子句;处理单元402配置用于对于上述评论信息集合中的每条评论信息,对该评论信息中的每个子句执行以下处理步骤:在该子句中查找包含在预设的评价词集合中的目标评价词;响应于查找到上述目标评价词,在该子句中以上述目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;响应于查找到上述第一目标词,从当前位置继续往前遍历,查找第一个、词性不是上述预设词性的第二目标词;响应于查找到上述第二目标词或者遍历到该子句的句首时未查找到上述第二目标词,则基于停止查找时的停止位置和上述目标评价词所在的位置,从该子句中提取出短语作为意见短语,以及输出上述意见短语。
在本实施例中,信息输出装置400中:获取单元401和处理单元402的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201和步骤202的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述处理单元402可以包括:提取子单元(图中未示出),配置用于若处于上述停止位置的词是词性为上述预设词性的词,则从该子句中提取出以处于上述停止位置的词为起始词以及以上述目标评价词为结束词的短语。
在本实施例的一些可选的实现方式中,上述装置400还可以包括:标注单元(图中未示出),配置用于对上述评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
在本实施例的一些可选的实现方式中,上述装置400还可以包括:第一处理单元(图中未示出),配置用于从所确定的各条意见短语中选取意见短语作为代表意见短语,输出该代表意见短语。
在本实施例的一些可选的实现方式中,上述第一处理单元可以包括:确定子单元(图中未示出),配置用于确定上述各条意见短语分别与预设的分类用短语集合中的每条分类用短语之间的相似度;划分子单元(图中未示出),配置用于基于确定的相似度,将上述各条意见短语划分成至少一个意见短语组;第一选取子单元(图中未示出),配置用于对于划分出的每个意见短语组,基于意见短语在上述评论信息集合中的评论信息中出现的次数,从该意见短语组中选取意见短语作为第一意见短语;第二选取子单元(图中未示出),配置用于从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语。
在本实施例的一些可选的实现方式中,上述第二选取子单元可以包括:确定模块(图中未示出),配置用于确定第一意见短语两两之间的语义相似度;划分模块(图中未示出),配置用于基于确定的语义相似度,将上述各条第一意见短语划分成至少一个第一意见短语组;第一选取模块(图中未示出),配置用于对于划分出的每个第一意见短语组,基于第一意见短语在上述评论信息集合中的评论信息中出现的次数,从该第一意见短语组中选取第一意见短语作为第二意见短语;第二选取模块(图中未示出),配置用于从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语。
在本实施例的一些可选的实现方式中,上述第二选取模块可以进一步配置用于:基于预设的至少一个词语集合,将上述各条第二意见短语划分成至少一个第二意见短语组,其中,词语集合可以包括意义相同的词语;对于划分出的每个第二意见短语组,基于第二意见短语在上述评论信息集合中的评论信息中出现的次数,从该第二意见短语组中选取第二意见短语作为代表意见短语。
本申请的上述实施例提供的装置,通过对所获取的评论信息集合中的每条评论信息所包括的每个子句进行指定的处理步骤,提高了挖掘出的意见短语的完整性。
下面参考图5,其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例,不应对本申请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,执行本申请的系统中限定的上述功能。
需要说明的是,本申请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。在本申请中,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。而在本申请中,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,图示了按照本申请各种实施例的系统、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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元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单元和处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取评论信息集合的单元”。
作为另一方面,本申请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电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备包括:获取评论信息集合,其中,评论信息可以包括至少一个子句;对于评论信息集合中的每条评论信息,对该评论信息中的每个子句执行以下处理步骤:在该子句中查找包含在预设的评价词集合中的目标评价词;响应于查找到目标评价词,在该子句中以目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;响应于查找到第一目标词,从当前位置继续往前遍历,查找第一个、词性不是上述预设词性的第二目标词;响应于查找到第二目标词或者遍历到该子句的句首时未查找到第二目标词,基于停止查找时的停止位置和目标评价词所在的位置,从该子句中提取出短语作为意见短语,以及输出该意见短语。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种信息输出方法,包括:
获取评论信息集合,其中,评论信息包括至少一个子句;
对于所述评论信息集合中的每条评论信息,对该评论信息中的每个子句执行以下处理步骤:
在该子句中查找包含在预设的评价词集合中的目标评价词;
响应于查找到所述目标评价词,在该子句中以所述目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;
响应于查找到所述第一目标词,从当前位置继续往前遍历,查找第一个、词性不是所述预设词性的第二目标词;
响应于查找到所述第二目标词或者遍历到该子句的句首时未查找到所述第二目标词,基于停止查找时的停止位置和所述目标评价词所在的位置,从该子句中提取出短语作为意见短语,以及输出所述意见短语。
2.根据权利要求1所述的方法,其中,所述基于停止查找时的停止位置和所述目标评价词所在的位置,从该子句中提取出短语作为意见短语,包括:
若处于所述停止位置的词是词性为所述预设词性的词,则从该子句中提取出以处于所述停止位置的词为起始词以及以所述目标评价词为结束词的短语。
3.根据权利要求1所述的方法,其中,在所述获取评论信息集合之后,所述方法还包括:
对所述评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
4.根据权利要求1所述的方法,其中,所述方法还包括:
从所确定的各条意见短语中选取意见短语作为代表意见短语,输出所述代表意见短语。
5.根据权利要求4所述的方法,其中,所述从所确定的各条意见短语中选取意见短语作为代表意见短语,包括:
确定所述各条意见短语分别与预设的分类用短语集合中的每条分类用短语之间的相似度;
基于确定的相似度,将所述各条意见短语划分成至少一个意见短语组;
对于划分出的每个意见短语组,基于意见短语在所述评论信息集合中的评论信息中出现的次数,从该意见短语组中选取意见短语作为第一意见短语;
从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语。
6.根据权利要求5所述的方法,其中,所述从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语,包括:
确定第一意见短语两两之间的语义相似度;
基于确定的语义相似度,将所述各条第一意见短语划分成至少一个第一意见短语组;
对于划分出的每个第一意见短语组,基于第一意见短语在所述评论信息集合中的评论信息中出现的次数,从该第一意见短语组中选取第一意见短语作为第二意见短语;
从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语。
7.根据权利要求6所述的方法,其中,所述从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语,包括:
基于预设的至少一个词语集合,将所述各条第二意见短语划分成至少一个第二意见短语组,其中,词语集合包括意义相同的词语;
对于划分出的每个第二意见短语组,基于第二意见短语在所述评论信息集合中的评论信息中出现的次数,从该第二意见短语组中选取第二意见短语作为代表意见短语。
8.一种信息输出装置,包括:
获取单元,配置用于获取评论信息集合,其中,评论信息包括至少一个子句;
处理单元,配置用于对于所述评论信息集合中的每条评论信息,对该评论信息中的每个子句执行以下处理步骤:
在该子句中查找包含在预设的评价词集合中的目标评价词;
响应于查找到所述目标评价词,在该子句中以所述目标评价词所在的位置为起点往前遍历,查找第一个、词性为预设词性的第一目标词;
响应于查找到所述第一目标词,从当前位置继续往前遍历,查找第一个、词性不是所述预设词性的第二目标词;
响应于查找到所述第二目标词或者遍历到该子句的句首时未查找到所述第二目标词,则基于停止查找时的停止位置和所述目标评价词所在的位置,从该子句中提取出短语作为意见短语,以及输出所述意见短语。
9.根据权利要求8所述的装置,其中,所述处理单元包括:
提取子单元,配置用于若处于所述停止位置的词是词性为所述预设词性的词,则从该子句中提取出以处于所述停止位置的词为起始词以及以所述目标评价词为结束词的短语。
10.根据权利要求8所述的装置,其中,所述装置还包括:
标注单元,配置用于对所述评论信息集合中的每条评论信息进行分词,为分出的每个词进行词性标注。
11.根据权利要求8所述的装置,其中,所述装置还包括:
第一处理单元,配置用于从所确定的各条意见短语中选取意见短语作为代表意见短语,输出所述代表意见短语。
12.根据权利要求11所述的装置,其中,所述第一处理单元包括:
确定子单元,配置用于确定所述各条意见短语分别与预设的分类用短语集合中的每条分类用短语之间的相似度;
划分子单元,配置用于基于确定的相似度,将所述各条意见短语划分成至少一个意见短语组;
第一选取子单元,配置用于对于划分出的每个意见短语组,基于意见短语在所述评论信息集合中的评论信息中出现的次数,从该意见短语组中选取意见短语作为第一意见短语;
第二选取子单元,配置用于从所确定的各条第一意见短语中选取第一意见短语作为代表意见短语。
13.根据权利要求12所述的装置,其中,所述第二选取子单元包括:
确定模块,配置用于确定第一意见短语两两之间的语义相似度;
划分模块,配置用于基于确定的语义相似度,将所述各条第一意见短语划分成至少一个第一意见短语组;
第一选取模块,配置用于对于划分出的每个第一意见短语组,基于第一意见短语在所述评论信息集合中的评论信息中出现的次数,从该第一意见短语组中选取第一意见短语作为第二意见短语;
第二选取模块,配置用于从所确定的各条第二意见短语中选取第二意见短语作为代表意见短语。
14.根据权利要求13所述的装置,其中,所述第二选取模块进一步配置用于:
基于预设的至少一个词语集合,将所述各条第二意见短语划分成至少一个第二意见短语组,其中,词语集合包括意义相同的词语;
对于划分出的每个第二意见短语组,基于第二意见短语在所述评论信息集合中的评论信息中出现的次数,从该第二意见短语组中选取第二意见短语作为代表意见短语。
15.一种电子设备,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1-7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810108330.0A CN110110190A (zh) | 2018-02-02 | 2018-02-02 | 信息输出方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810108330.0A CN110110190A (zh) | 2018-02-02 | 2018-02-02 | 信息输出方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110110190A true CN110110190A (zh) | 2019-08-09 |
Family
ID=67483212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810108330.0A Pending CN110110190A (zh) | 2018-02-02 | 2018-02-02 | 信息输出方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110190A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021413A (zh) * | 2016-05-13 | 2016-10-12 | 清华大学 | 基于主题模型的自展式特征选择方法及系统 |
CN106445921A (zh) * | 2016-09-29 | 2017-02-22 | 北京理工大学 | 利用二次互信息的中文文本术语抽取方法 |
WO2017092337A1 (zh) * | 2015-12-01 | 2017-06-08 | 乐视控股(北京)有限公司 | 评论标签提取方法和装置 |
-
2018
- 2018-02-02 CN CN201810108330.0A patent/CN110110190A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017092337A1 (zh) * | 2015-12-01 | 2017-06-08 | 乐视控股(北京)有限公司 | 评论标签提取方法和装置 |
CN106021413A (zh) * | 2016-05-13 | 2016-10-12 | 清华大学 | 基于主题模型的自展式特征选择方法及系统 |
CN106445921A (zh) * | 2016-09-29 | 2017-02-22 | 北京理工大学 | 利用二次互信息的中文文本术语抽取方法 |
Non-Patent Citations (1)
Title |
---|
张铎;朱征宇;: "基于句法分析的评价搭配抽取及其倾向性分析", 世界科技研究与发展, no. 04, 15 August 2013 (2013-08-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108701161B (zh) | 为搜索查询提供图像 | |
CN108460014A (zh) | 企业实体的识别方法、装置、计算机设备及存储介质 | |
US9720904B2 (en) | Generating training data for disambiguation | |
CN110349564A (zh) | 一种跨语言语音识别方法和装置 | |
US20140040273A1 (en) | Hypervideo browsing using links generated based on user-specified content features | |
US20060218192A1 (en) | Method and System for Providing Information Services Related to Multimodal Inputs | |
CN110532352B (zh) | 文本查重方法及装置、计算机可读存储介质、电子设备 | |
KR20080058356A (ko) | 시맨틱 토픽의 자동화된 리치 프레젠테이션을 위한컴퓨터-구현 방법 및 컴퓨팅 장치 | |
CN108984554A (zh) | 用于确定关键词的方法和装置 | |
CN109697239A (zh) | 用于生成图文信息的方法和用于生成图像数据库的方法 | |
CN109582954A (zh) | 用于输出信息的方法和装置 | |
CN106681598A (zh) | 信息输入方法和装置 | |
CN110334209A (zh) | 文本分类方法、装置、介质及电子设备 | |
US8370323B2 (en) | Providing information services related to multimodal inputs | |
CN108924604A (zh) | 用于播放视频的方法和装置 | |
CN110825941A (zh) | 一种内容管理系统识别方法、装置和存储介质 | |
CN104317867B (zh) | 对搜索引擎返回的网页图片进行实体聚类的系统 | |
CN109492081A (zh) | 文本信息搜索和信息交互方法、装置、设备及存储介质 | |
CN108073708A (zh) | 信息输出方法和装置 | |
CN113190687A (zh) | 知识图谱的确定方法、装置、计算机设备及存储介质 | |
CN111639228B (zh) | 视频检索方法、装置、设备及存储介质 | |
CN113806588A (zh) | 搜索视频的方法和装置 | |
CN113660541A (zh) | 新闻视频的摘要生成方法及装置 | |
CN111428011B (zh) | 词语的推荐方法、装置、设备及存储介质 | |
CN110245357A (zh) | 主实体识别方法和装置 |
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 |