CN110263140A - 一种主题词的挖掘方法、装置、电子设备及存储介质 - Google Patents
一种主题词的挖掘方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110263140A CN110263140A CN201910536814.XA CN201910536814A CN110263140A CN 110263140 A CN110263140 A CN 110263140A CN 201910536814 A CN201910536814 A CN 201910536814A CN 110263140 A CN110263140 A CN 110263140A
- Authority
- CN
- China
- Prior art keywords
- word
- target topic
- topic word
- basic information
- information material
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
Abstract
本发明实施例公开了一种主题词的挖掘方法、装置、电子设备及存储介质。所述方法包括:接收用户输入的查询词,并在预先确定的主题图谱中获取所述查询词对应的至少一个原始主题词;在预先获取的与所述查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,所述基础资讯素材召回集中包括至少一个基础资讯素材;在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,所述目标主题词召回集中包括至少一个目标主题词。可以挖掘出更多且更有写作价值的主题词,从而可以帮助用户迅速地选择出合适的关注点,在最短的时间内创作出更加优质的文章。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种主题词的挖掘方法、装置、电子设备及存储介质。
背景技术
在资讯获取越发碎片化的时代,引人入胜的高质量内容,在资讯信息流应用和产品上,仍然是非常稀缺的。如何能源源不断地创作出人民群众喜闻乐见的资讯内容,在信息爆炸的时代,洞悉用户真正所求,在最短的时间让用户接受最优质的信息推送,是每个内容创作者的愿景。
以微博、微信、百家号等为首的自媒体平台为例,用户可以依据自身的行业、兴趣和爱好在自媒体平台上进行写作,提供给其他用户进行浏览。在目前的自媒体平台中,在用户进行写作时可以对其进行写作引导。在目前的写作引导方法中,通常基于主题词的推荐帮助用户选择合适的切入点。主题词是一篇文章所表达的中心思想,主题词挖掘是有效解决文档空间向量高维稀疏性,提高文本分类质量的重要手段,同时也在信息推荐中起到了重要的作用。例如,用户在撰写一篇文章时,可以先接收用户输入的查询词,然后根据该查询词在历史记录中筛选出与查询词相关的词语,将其作为推荐给用户的主题词。
在实现本发明的过程中,发明人发现现有技术中至少存在如下问题:
首先,由于历史记录中的信息较少,缺乏全网资讯的完整信息,所以在历史记录中筛选出与查询词相关的词语的较少,导致推荐给用户的主题词较为局限;其次,查询词与主题词之间的关系较为简单,导致推荐给用户的主题词较为单一;再者,基于历史记录筛选出的主题词可能不存在写作价值,无法达到写作引导的效果。
发明内容
有鉴于此,本发明实施例提供一种主题词的挖掘方法、装置、电子设备及存储介质,可以挖掘出更多且更有写作价值的主题词,从而可以帮助用户迅速地选择出合适的关注点,在最短的时间内创作出更加优质的文章。
第一方面,本发明实施例提供了一种主题词的挖掘方法,所述方法包括:
接收用户输入的查询词,并在预先确定的主题图谱中获取所述查询词对应的至少一个原始主题词;
在预先获取的与所述查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,所述基础资讯素材召回集中包括至少一个基础资讯素材;
在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,所述目标主题词召回集中包括至少一个目标主题词。
在上述实施例中,所述在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集,包括:
通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词;
通过所述主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,所述边关系包括:篇章边关系、标题边关系和正文边关系;
根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分;
根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集。
在上述实施例中,所述根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分,包括:
根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值;
根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值;
根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。
在上述实施例中,所述根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集,包括:
若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则将各个目标主题词在所述目标主题词召回集中删除;
若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于所述设定阈值,则将各个目标主题词保留在所述目标主题词召回集中。
在上述实施例中,所述方法还包括:
根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将所述目标主题词召回集中的全部目标主题词进行排序。
在上述实施例中,所述方法还包括:
根据各个目标主题词生成与其对应的语义向量;
计算每相邻两个目标主题词对应的语义向量之间的距离;
若所述每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将所述每相邻两个目标主题词中的其中一个目标主题词在所述目标主题词召回集中删除。
第二方面,本发明实施例提供了一种主题词的挖掘装置,所述装置包括:获取模块、确定模块和挖掘模块;其中,
所述获取模块,用于接收用户输入的查询词;并在预先确定的主题图谱中获取所述查询词对应的至少一个原始主题词;
所述确定模块,用于在预先获取的与所述查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,所述基础资讯素材召回集中包括至少一个基础资讯素材;
所述挖掘模块,用于在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,所述目标主题词召回集中包括至少一个目标主题词。
在上述实施例中,所述挖掘模块包括:抽取子模块、打分子模块和确定子模块;其中,
所述抽取子模块,用于通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词;
所述打分子模块,用于通过所述主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,所述边关系包括:篇章边关系、标题边关系和正文边关系;根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分;
所述确定子模块,用于根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集。
在上述实施例中,所述打分子模块,具体用于根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值;根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值;根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。
在上述实施例中,所述确定子模块,具体用于若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则将各个目标主题词在所述目标主题词召回集中删除;若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于所述设定阈值,则将各个目标主题词保留在所述目标主题词召回集中。
在上述实施例中,所述确定子模块,还用于根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将所述目标主题词召回集中的全部目标主题词进行排序。
在上述实施例中,所述挖掘模块还包括:去重子模块,用于根据各个目标主题词生成与其对应的语义向量;计算每相邻两个目标主题词对应的语义向量之间的距离;若所述每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将所述每相邻两个目标主题词中的其中一个目标主题词在所述目标主题词召回集中删除。
第三方面,本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储器,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本发明任意实施例所述的主题词的挖掘方法。
第四方面,本发明实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的主题词的挖掘方法。
本发明实施例提出了一种主题词的挖掘方法、装置、电子设备及存储介质,先接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词;然后在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;再在基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集。也就是说,在本发明的技术方案中,可以通过语义泛化将用户输入的查询词映射到主题图谱中的一个或者多个原始主题词上;再通过主题判别模型在全部资讯素材中过滤出各个原始主题词对应的资讯素材召回集,作为基础资讯素材召回集;从而可以在基础资讯素材召回集合中,挖掘出各个原始主题词对应的目标主题词,作为目标主题词召回集。而在现有的主题词的挖掘方法中,先接收用户输入的查询词,然后根据该查询词在历史记录中筛选出与查询词相关的词语,将其作为推荐给用户的主题词。由于历史记录中的信息较少,缺乏全网资讯的完整信息,所以在历史记录中筛选出与查询词相关的词语的较少,导致推荐给用户的主题词较为局限;其次,查询词与主题词之间的关系较为简单,导致推荐给用户的主题词较为单一;再者,基于历史记录筛选出的主题词可能不存在写作价值,无法达到写作引导的效果。因此,和现有技术相比,本发明实施例提出的主题词的挖掘方法、装置、电子设备及存储介质,可以挖掘出更多且更有写作价值的主题词,从而可以帮助用户迅速地选择出合适的关注点,在最短的时间内创作出更加优质的文章;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
附图说明
图1为本发明实施例一提供的主题词的挖掘方法的流程示意图;
图2为本发明实施例二提供的主题词的挖掘方法的流程示意图;
图3为本发明实施例三提供的主题词的挖掘方法的流程示意图;
图4为本发明实施例四提供的主题词的挖掘装置的第一结构示意图;
图5为本发明实施例四提供的主题词的挖掘装置的第二结构示意图
图6为本发明实施例五提供的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明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本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
图1为本发明实施例一提供的主题词的挖掘方法的流程示意图,该方法可以由主题词的挖掘装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,主题词的挖掘方法可以包括以下步骤:
S101、接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词。
在本发明的具体实施例中,电子设备可以接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词。具体地,电子设备可以先将用户输入的查询词进行泛化,数据泛化是一个从相对低层概念到更高层概念且对数据库中与任务相关的大量数据进行抽象概述的一个分析过程,通过将用户输入的查询词进行泛化,可以得到查询词对应的多个泛化词,然后可以在主题图谱中获取各个泛化词对应的原始主题词。
知识图谱(Knowledge Graph)又称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。在知识图谱里,通常用“实体(Entity)”来表达图里的节点、用“关系(Relation)”来表达图里的“边”。实体指的是现实世界中的事物,比如:人、地名、概念、药物、公司等,关系则用来表达不同实体之间的某种联系,比如:人“居住在”北京、张三和李四是“朋友”。
S102、在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,基础资讯素材召回集中包括至少一个基础资讯素材。
在本发明的具体实施例中,电子设备可以在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,基础资讯素材召回集中包括至少一个基础资讯素材。具体地,电子设备可以通过主题判别模型确定出各个原始主题词对应的基础资讯素材,然后将各个原始主题词对应的基础资讯素材组合起来可以构成一个基础资讯素材召回集。这里,各个原始主题词对应的基础资讯素材可以是一个基础资讯素材,也可以是多个基础资讯素材,在此不做限定。
S103、在基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,目标主题词召回集中包括至少一个目标主题词。
在本发明的具体实施例中,电子设备可以在基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,目标主题词召回集中包括至少一个目标主题词。具体地,电子设备可以通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词;然后通过主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,边关系包括:篇章边关系、标题边关系和正文边关系;再根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分;根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出目标主题词召回集。
本发明实施例提出的主题词的挖掘方法,先接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词;然后在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;再在基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集。也就是说,在本发明的技术方案中,可以通过语义泛化将用户输入的查询词映射到主题图谱中的一个或者多个原始主题词上;再通过主题判别模型在全部资讯素材中过滤出各个原始主题词对应的资讯素材召回集,作为基础资讯素材召回集;从而可以在基础资讯素材召回集合中,挖掘出各个原始主题词对应的目标主题词,作为目标主题词召回集。而在现有的主题词的挖掘方法中,先接收用户输入的查询词,然后根据该查询词在历史记录中筛选出与查询词相关的词语,将其作为推荐给用户的主题词。由于历史记录中的信息较少,缺乏全网资讯的完整信息,所以在历史记录中筛选出与查询词相关的词语的较少,导致推荐给用户的主题词较为局限;其次,查询词与主题词之间的关系较为简单,导致推荐给用户的主题词较为单一;再者,基于历史记录筛选出的主题词可能不存在写作价值,无法达到写作引导的效果。因此,和现有技术相比,本发明实施例提出的主题词的挖掘方法,可以挖掘出更多且更有写作价值的主题词,从而可以帮助用户迅速地选择出合适的关注点,在最短的时间内创作出更加优质的文章;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2为本发明实施例二提供的主题词的挖掘方法的流程示意图。如图2所示,主题词的挖掘方法可以包括以下步骤:
S201、接收用户输入的查询词,并在预先确定的主题图谱中获取到查询词对应的至少一个原始主题词。
在本发明的具体实施例中,电子设备可以接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词。具体地,电子设备可以先将用户输入的查询词进行泛化,数据泛化是一个从相对低层概念到更高层概念且对数据库中与任务相关的大量数据进行抽象概述的一个分析过程,通过将用户输入的查询词进行泛化,可以得到查询词对应的多个泛化词,然后可以在主题图谱中获取各个泛化词对应的原始主题词。
S202、在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,基础资讯素材召回集中包括至少一个基础资讯素材。
在本发明的具体实施例中,电子设备可以在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,基础资讯素材召回集中包括至少一个基础资讯素材。具体地,电子设备可以通过主题判别模型确定出各个原始主题词对应的基础资讯素材,然后将各个原始主题词对应的基础资讯素材组合起来可以构成一个基础资讯素材召回集。这里,各个原始主题词对应的基础资讯素材可以是一个基础资讯素材,也可以是多个基础资讯素材,在此不做限定。
S203、通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词。
在本发明的具体实施例中,电子设备可以通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词。具体地,电子设备可以通过主题抽取模型在各个基础资讯素材中抽取出每个基础资讯素材自身的目标主题词,作为各个基础资讯素材对应的目标主题词。
S204、通过主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,边关系包括:篇章边关系、标题边关系和正文边关系。
在本发明的具体实施例中,电子设备可以通过主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,边关系包括:篇章边关系、标题边关系和正文边关系。具体地,主题抽取模型可以包括:篇章类的主题抽取模型、标题类的主题抽取模型和正文类的主题抽取模型;因此,电子设备可以通过篇章类的主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的篇章边关系;通过标题类的主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的标题边关系;通过正文类的主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的正文边关系。这里,篇章边关系指的是各个目标主题词与其所在的基础资讯素材的篇幅或者章节之间的关系;标题边关系指的是各个目标主题词与其所在的基础资讯素材的标题之间的关系;正文边关系指的是各个目标主题词与其所在的基础资讯素材的正文之间的关系。
S205、根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分。
在本发明的具体实施例中,电子设备可以根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分。具体地,电子设备可以先根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值;然后根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值;再根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。具体地,电子设备可以预先设置边关系权重值,例如,篇章边关系权重值为Wk,标题边关系权重值为Wi,正文边关系权重值为Wj。此外,电子设备还可以预先设置标题的词频权重值和正文的词频权重值,例如,假设某个目标主题词在其所在的基础资讯素材中的标题中的词频大于第一词频阈值,则可以将该目标主题词对应的标题词频权重值设置为Ni;假设某个目标主题词在其所在的基础资讯素材中的正文中的词频大于第二词频阈值,则可以将该目标主题词对应的正文词频权重值设置为Ni。在本步骤中,电子设备可以按照以下公式对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分:Score=Wi*Ni+Wj*Nj+Wk;其中,Wi表示各个目标主题词对应的标题边关系权重值;Wj表示各个目标主题词对应的正文边关系权重值;Wk表示各个目标主题词对应的篇章边关系权重值;Ni表示各个目标主题词对应的标题词频权重值;Nj表示各个目标主题词对应的正文词频权重值。
S206、根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出目标主题词召回集。
在本发明的具体实施例中,电子设备可以根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出目标主题词召回集。具体地,若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则电子设备可以将各个目标主题词在目标主题词召回集中删除;若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于设定阈值,则电子设备可以将各个目标主题词保留在目标主题词召回集中。
较佳地,在本发明的具体实施例中,电子设备还可以根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将目标主题词召回集中的全部目标主题词进行排序。
较佳地,在本发明的具体实施例中,电子设备在将目标主题词召回集中的全部目标主题词排序之后,还可以根据各个目标主题词生成与其对应的语义向量;计算每相邻两个目标主题词对应的语义向量之间的距离;若每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将每相邻两个目标主题词中的其中一个目标主题词在目标主题词召回集中删除。
本发明实施例提出的主题词的挖掘方法,先接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词;然后在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;再在基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集。也就是说,在本发明的技术方案中,可以通过语义泛化将用户输入的查询词映射到主题图谱中的一个或者多个原始主题词上;再通过主题判别模型在全部资讯素材中过滤出各个原始主题词对应的资讯素材召回集,作为基础资讯素材召回集;从而可以在基础资讯素材召回集合中,挖掘出各个原始主题词对应的目标主题词,作为目标主题词召回集。而在现有的主题词的挖掘方法中,先接收用户输入的查询词,然后根据该查询词在历史记录中筛选出与查询词相关的词语,将其作为推荐给用户的主题词。由于历史记录中的信息较少,缺乏全网资讯的完整信息,所以在历史记录中筛选出与查询词相关的词语的较少,导致推荐给用户的主题词较为局限;其次,查询词与主题词之间的关系较为简单,导致推荐给用户的主题词较为单一;再者,基于历史记录筛选出的主题词可能不存在写作价值,无法达到写作引导的效果。因此,和现有技术相比,本发明实施例提出的主题词的挖掘方法,可以挖掘出更多且更有写作价值的主题词,从而可以帮助用户迅速地选择出合适的关注点,在最短的时间内创作出更加优质的文章;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图3为本发明实施例三提供的主题词的挖掘方法的流程示意图。如图3所示,主题词的挖掘方法可以包括以下步骤:
S301、接收用户输入的查询词,并在预先确定的主题图谱中获取到查询词对应的至少一个原始主题词。
在本发明的具体实施例中,电子设备可以接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词。具体地,电子设备可以先将用户输入的查询词进行泛化,数据泛化是一个从相对低层概念到更高层概念且对数据库中与任务相关的大量数据进行抽象概述的一个分析过程,通过将用户输入的查询词进行泛化,可以得到查询词对应的多个泛化词,然后可以在主题图谱中获取各个泛化词对应的原始主题词。
S302、在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,基础资讯素材召回集中包括至少一个基础资讯素材。
在本发明的具体实施例中,电子设备可以在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,基础资讯素材召回集中包括至少一个基础资讯素材。具体地,电子设备可以通过主题判别模型确定出各个原始主题词对应的基础资讯素材,然后将各个原始主题词对应的基础资讯素材组合起来可以构成一个基础资讯素材召回集。这里,各个原始主题词对应的基础资讯素材可以是一个基础资讯素材,也可以是多个基础资讯素材,在此不做限定。
S303、通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词。
在本发明的具体实施例中,电子设备可以通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词。具体地,电子设备可以通过主题抽取模型在各个基础资讯素材中抽取出每个基础资讯素材自身的目标主题词,作为各个基础资讯素材对应的目标主题词。
S304、通过主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,边关系包括:篇章边关系、标题边关系和正文边关系。
在本发明的具体实施例中,电子设备可以通过主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,边关系包括:篇章边关系、标题边关系和正文边关系。具体地,主题抽取模型可以包括:篇章类的主题抽取模型、标题类的主题抽取模型和正文类的主题抽取模型;因此,电子设备可以通过篇章类的主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的篇章边关系;通过标题类的主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的标题边关系;通过正文类的主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的正文边关系。这里,篇章边关系指的是各个目标主题词与其所在的基础资讯素材的篇幅或者章节之间的关系;标题边关系指的是各个目标主题词与其所在的基础资讯素材的标题之间的关系;正文边关系指的是各个目标主题词与其所在的基础资讯素材的正文之间的关系。
S305、根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值。
在本发明的具体实施例中,电子设备可以根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值。具体地,电子设备可以预先设置边关系权重值,例如,篇章边关系权重值为Wk,标题边关系权重值为Wi,正文边关系权重值为Wj。
S306、根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值。
在本发明的具体实施例中,电子设备可以根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值。具体地,电子设备可以预先设置标题的词频权重值和正文的词频权重值,例如,假设某个目标主题词在其所在的基础资讯素材中的标题中的词频大于第一词频阈值,则可以将该目标主题词对应的标题词频权重值设置为Ni;假设某个目标主题词在其所在的基础资讯素材中的正文中的词频大于第二词频阈值,则可以将该目标主题词对应的正文词频权重值设置为Ni。
S307、根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。
在本发明的具体实施例中,电子设备可以根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。具体地,电子设备可以按照以下公式对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分:Score=Wi*Ni+Wj*Nj+Wk;其中,Wi表示各个目标主题词对应的标题边关系权重值;Wj表示各个目标主题词对应的正文边关系权重值;Wk表示各个目标主题词对应的篇章边关系权重值;Ni表示各个目标主题词对应的标题词频权重值;Nj表示各个目标主题词对应的正文词频权重值。
S308、根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出目标主题词召回集。
在本发明的具体实施例中,电子设备可以根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出目标主题词召回集。具体地,若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则电子设备可以将各个目标主题词在目标主题词召回集中删除;若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于设定阈值,则电子设备可以将各个目标主题词保留在目标主题词召回集中。
较佳地,在本发明的具体实施例中,电子设备还可以根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将目标主题词召回集中的全部目标主题词进行排序。
较佳地,在本发明的具体实施例中,电子设备在将目标主题词召回集中的全部目标主题词排序之后,还可以根据各个目标主题词生成与其对应的语义向量;计算每相邻两个目标主题词对应的语义向量之间的距离;若每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将每相邻两个目标主题词中的其中一个目标主题词在目标主题词召回集中删除。
本发明实施例提出的主题词的挖掘方法,先接收用户输入的查询词,并在预先确定的主题图谱中获取查询词对应的至少一个原始主题词;然后在预先获取的与查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;再在基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集。也就是说,在本发明的技术方案中,可以通过语义泛化将用户输入的查询词映射到主题图谱中的一个或者多个原始主题词上;再通过主题判别模型在全部资讯素材中过滤出各个原始主题词对应的资讯素材召回集,作为基础资讯素材召回集;从而可以在基础资讯素材召回集合中,挖掘出各个原始主题词对应的目标主题词,作为目标主题词召回集。而在现有的主题词的挖掘方法中,先接收用户输入的查询词,然后根据该查询词在历史记录中筛选出与查询词相关的词语,将其作为推荐给用户的主题词。由于历史记录中的信息较少,缺乏全网资讯的完整信息,所以在历史记录中筛选出与查询词相关的词语的较少,导致推荐给用户的主题词较为局限;其次,查询词与主题词之间的关系较为简单,导致推荐给用户的主题词较为单一;再者,基于历史记录筛选出的主题词可能不存在写作价值,无法达到写作引导的效果。因此,和现有技术相比,本发明实施例提出的主题词的挖掘方法,可以挖掘出更多且更有写作价值的主题词,从而可以帮助用户迅速地选择出合适的关注点,在最短的时间内创作出更加优质的文章;并且,本发明实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图4为本发明实施例四提供的主题词的挖掘装置的第一结构示意图。如图4所示,本发明实施例所述的主题词的挖掘装置可以包括:获取模块401、确定模块402和挖掘模块403;其中,
所述获取模块401,用于接收用户输入的查询词;并在预先确定的主题图谱中获取所述查询词对应的至少一个原始主题词;
所述确定模块402,用于在预先获取的与所述查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,所述基础资讯素材召回集中包括至少一个基础资讯素材;
所述挖掘模块403,用于在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,所述目标主题词召回集中包括至少一个目标主题词。
图5为本发明实施例四提供的主题词的挖掘装置的第二结构示意图。如图5所示,所述挖掘模块403包括:抽取子模块4031、打分子模块4032和确定子模块4033;其中,
所述抽取子模块4031,用于通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词;
所述打分子模块4032,用于通过所述主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,所述边关系包括:篇章边关系、标题边关系和正文边关系;根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分;
所述确定子模块4033,用于根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集。
进一步的,所述打分子模块4032,具体用于根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值;根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值;根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。
进一步的,所述确定子模块4033,具体用于若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则将各个目标主题词在所述目标主题词召回集中删除;若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于所述设定阈值,则将各个目标主题词保留在所述目标主题词召回集中。
进一步的,所述确定子模块4033,还用于根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将所述目标主题词召回集中的全部目标主题词进行排序。
进一步的,所述挖掘模块还包括:去重子模块(图中未示出),用于根据各个目标主题词生成与其对应的语义向量;计算每相邻两个目标主题词对应的语义向量之间的距离;若所述每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将所述每相邻两个目标主题词中的其中一个目标主题词在所述目标主题词召回集中删除。
上述主题词的挖掘装置可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明任意实施例提供的主题词的挖掘方法。
实施例五
图6为本发明实施例五提供的电子设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子设备的框图。图6显示的电子设备12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6所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的主题词的挖掘方法。
实施例六
本发明实施例六提供了一种计算机存储介质。
本发明实施例的计算机可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种主题词的挖掘方法,其特征在于,所述方法包括:
接收用户输入的查询词,并在预先确定的主题图谱中获取所述查询词对应的至少一个原始主题词;
在预先获取的与所述查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,所述基础资讯素材召回集中包括至少一个基础资讯素材;
在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,所述目标主题词召回集中包括至少一个目标主题词。
2.根据权利要求1所述的方法,其特征在于,所述在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集,包括:
通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词;
通过所述主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,所述边关系包括:篇章边关系、标题边关系和正文边关系;
根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分;
根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集。
3.根据权利要求2所述的方法,其特征在于,所述根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分,包括:
根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值;
根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值;
根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。
4.根据权利要求2所述的方法,其特征在于,所述根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集,包括:
若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则将各个目标主题词在所述目标主题词召回集中删除;
若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于所述设定阈值,则将各个目标主题词保留在所述目标主题词召回集中。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将所述目标主题词召回集中的全部目标主题词进行排序。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
根据各个目标主题词生成与其对应的语义向量;
计算每相邻两个目标主题词对应的语义向量之间的距离;
若所述每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将所述每相邻两个目标主题词中的其中一个目标主题词在所述目标主题词召回集中删除。
7.一种主题词的挖掘装置,其特征在于,所述装置包括:获取模块、确定模块和挖掘模块;其中,
所述获取模块,用于接收用户输入的查询词;并在预先确定的主题图谱中获取所述查询词对应的至少一个原始主题词;
所述确定模块,用于在预先获取的与所述查询词相匹配的全部资讯素材中,通过主题判别模型确定出全部原始主题词对应的基础资讯素材召回集;其中,所述基础资讯素材召回集中包括至少一个基础资讯素材;
所述挖掘模块,用于在所述基础资讯素材召回集合中,挖掘出全部原始主题词对应的目标主题词召回集;其中,所述目标主题词召回集中包括至少一个目标主题词。
8.根据权利要求7所述的装置,其特征在于,所述挖掘模块包括:抽取子模块、打分子模块和确定子模块;其中,
所述抽取子模块,用于通过主题抽取模型在各个基础资讯素材中抽取出与其对应的目标主题词;
所述打分子模块,用于通过所述主题抽取模型标记出各个目标主题词与其所在的基础资讯素材的边关系;其中,所述边关系包括:篇章边关系、标题边关系和正文边关系;根据各个目标主题词与其所在的基础资讯素材的边关系以及预先确定的各个目标主题词在其所在的基础资讯素材中的词频,对各个目标主题词与其所在的基础资讯素材的紧密程度进行打分;
所述确定子模块,用于根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,确定出所述目标主题词召回集。
9.根据权利要求8所述的装置,其特征在于:
所述打分子模块,具体用于根据各个目标主题词与其所在的基础资讯素材的边关系,确定出各个目标主题词对应的边关系权重值;根据各个目标主题词在其所在的基础资讯素材中的标题中的词频和正文中的词频,确定出各个目标主题词对应的标题词频权重值和正文词频权重值;根据各个目标主题词对应的边关系权重值以及各个目标主题词对应的标题词频权重值和正文词频权重值,计算出各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果。
10.根据权利要求8所述的装置,其特征在于:
所述确定子模块,具体用于若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果低于设定阈值,则将各个目标主题词在所述目标主题词召回集中删除;若各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果高于或者等于所述设定阈值,则将各个目标主题词保留在所述目标主题词召回集中。
11.根据权利要求10所述的装置,其特征在于:
所述确定子模块,还用于根据各个目标主题词与其所在的基础资讯素材的紧密程度的打分结果,按照分数由高到低的顺序将所述目标主题词召回集中的全部目标主题词进行排序。
12.根据权利要求11所述的装置,其特征在于,所述挖掘模块还包括:去重子模块,用于根据各个目标主题词生成与其对应的语义向量;计算每相邻两个目标主题词对应的语义向量之间的距离;若所述每相邻两个目标主题词对应的语义向量之间的距离小于预先设定的距离阈值,将所述每相邻两个目标主题词中的其中一个目标主题词在所述目标主题词召回集中删除。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,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至6中任一项所述的主题词的挖掘方法。
14.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的主题词的挖掘方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910536814.XA CN110263140B (zh) | 2019-06-20 | 2019-06-20 | 一种主题词的挖掘方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910536814.XA CN110263140B (zh) | 2019-06-20 | 2019-06-20 | 一种主题词的挖掘方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263140A true CN110263140A (zh) | 2019-09-20 |
CN110263140B CN110263140B (zh) | 2021-06-25 |
Family
ID=67919763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910536814.XA Active CN110263140B (zh) | 2019-06-20 | 2019-06-20 | 一种主题词的挖掘方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263140B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382262A (zh) * | 2020-03-19 | 2020-07-07 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
WO2021098794A1 (zh) * | 2019-11-21 | 2021-05-27 | 邝俊伟 | 文本搜索方法、装置、服务器及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577579A (zh) * | 2013-11-08 | 2014-02-12 | 南方电网科学研究院有限责任公司 | 基于用户潜在需求的资源推荐方法及系统 |
CN107491518A (zh) * | 2017-08-15 | 2017-12-19 | 北京百度网讯科技有限公司 | 一种搜索召回方法和装置、服务器、存储介质 |
US9990356B2 (en) * | 2015-07-01 | 2018-06-05 | Institute of Sustainable Development | Device and method for analyzing reputation for objects by data mining |
CN109783628A (zh) * | 2019-01-16 | 2019-05-21 | 福州大学 | 结合时间窗口和关联规则挖掘的关键词搜索ksaarm算法 |
CN109902302A (zh) * | 2019-03-01 | 2019-06-18 | 郑敏杰 | 一种适用于文本分析或数据挖掘的主题图谱生成方法、装置、设备以及计算机存储介质 |
-
2019
- 2019-06-20 CN CN201910536814.XA patent/CN110263140B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577579A (zh) * | 2013-11-08 | 2014-02-12 | 南方电网科学研究院有限责任公司 | 基于用户潜在需求的资源推荐方法及系统 |
US9990356B2 (en) * | 2015-07-01 | 2018-06-05 | Institute of Sustainable Development | Device and method for analyzing reputation for objects by data mining |
CN107491518A (zh) * | 2017-08-15 | 2017-12-19 | 北京百度网讯科技有限公司 | 一种搜索召回方法和装置、服务器、存储介质 |
CN109783628A (zh) * | 2019-01-16 | 2019-05-21 | 福州大学 | 结合时间窗口和关联规则挖掘的关键词搜索ksaarm算法 |
CN109902302A (zh) * | 2019-03-01 | 2019-06-18 | 郑敏杰 | 一种适用于文本分析或数据挖掘的主题图谱生成方法、装置、设备以及计算机存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021098794A1 (zh) * | 2019-11-21 | 2021-05-27 | 邝俊伟 | 文本搜索方法、装置、服务器及存储介质 |
CN111382262A (zh) * | 2020-03-19 | 2020-07-07 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110263140B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11232641B2 (en) | Mixing virtual image data and physical image data | |
CN104601672B (zh) | 基于不同应用客户端的分享网络资源的方法和装置 | |
CN110275692A (zh) | 一种语音指令的推荐方法、装置、设备和计算机存储介质 | |
US11019012B2 (en) | File sending in instant messaging application | |
CN106991179A (zh) | 数据删除方法、装置及移动终端 | |
CN105893548A (zh) | 命名方法以及终端 | |
CN105893487A (zh) | 一种阅读互动方法和装置 | |
CN110263140A (zh) | 一种主题词的挖掘方法、装置、电子设备及存储介质 | |
US11200283B2 (en) | Cohesive visualized instruction representation | |
CN105612511A (zh) | 标识并结构化相关数据 | |
CN110032616A (zh) | 一种文档阅读情况的采集方法及装置 | |
CN109960554A (zh) | 展示阅读内容的方法、设备和计算机存储介质 | |
CN109885610A (zh) | 一种结构化数据的抽取方法、装置、电子设备及存储介质 | |
CN108182221A (zh) | 数据处理的方法以及相关设备 | |
CN113849575B (zh) | 数据处理方法、装置和系统 | |
US10832458B2 (en) | System, method and computer program product for electronic document display | |
EP4109300A2 (en) | Method and apparatus for querying writing material, electronic device and storage medium | |
CN104715010B (zh) | 利用文字调出关联数据的方法、终端及系统 | |
CN109062973A (zh) | 一种问答资源的挖掘方法、装置、服务器及存储介质 | |
CN109697642A (zh) | 数据推送方法、装置以及计算机可读存储介质 | |
CN115687704A (zh) | 信息显示方法、装置、电子设备及计算机可读存储介质 | |
US20160307123A1 (en) | Methods and systems for legacy compatible software | |
WO2020117540A1 (en) | Human-computer interface for navigating a presentation file | |
CN110377688A (zh) | 案由处理方法、装置、计算机设备及存储介质 | |
KR20130057146A (ko) | 사용자들의 컨텐츠 기반의 스마트 컨텐츠를 생성하는 방법 및 시스템 |
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 | ||
GR01 | Patent grant |