CN111259058A - 数据挖掘方法、数据挖掘装置和电子设备 - Google Patents
数据挖掘方法、数据挖掘装置和电子设备 Download PDFInfo
- Publication number
- CN111259058A CN111259058A CN202010046082.9A CN202010046082A CN111259058A CN 111259058 A CN111259058 A CN 111259058A CN 202010046082 A CN202010046082 A CN 202010046082A CN 111259058 A CN111259058 A CN 111259058A
- Authority
- CN
- China
- Prior art keywords
- label
- target word
- library
- tag
- words
- 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
- 238000007418 data mining Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000015654 memory Effects 0.000 claims description 20
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005065 mining Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了数据挖掘方法、数据挖掘装置和电子设备，涉及数据挖掘领域。具体实现方案为：获取查询信息；从所述查询信息中获取目标词；若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。由于对标签库的整个扩充过程不需要人工参与，降低了扩充成本，提高了扩充效率。
Description
技术领域
本申请涉及计算机技术领域中的数据挖掘技术，尤其涉及一种数据挖掘方法、数据挖掘装置和电子设备。
背景技术
目前，搜索中用户对tag(标签)类问答有着巨大的需求，用户在查询语句(query)中所包括的需求内容也是多种多样的，搜索内容数据库的tag库包括的标签量越大，可提高搜索内容的召回能力。
现有tag库包括的标签采用人工编辑的方式实现，tag库的扩充能力有限，人工成本高。
发明内容
本申请实施例提供一种数据挖掘方法、数据挖掘装置和电子设备，以解决现有tag库的扩充能力有限，人工成本高的问题。
为解决上述技术问题，本申请是这样实现的：
本申请第一方面提供一种数据挖掘方法，包括：
获取查询信息；
从所述查询信息中获取目标词；
若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。
进一步的，所述从所述查询信息中获取目标词，包括：
去掉所述查询信息中的非关键词，获得关键词；
对所述关键词进行切词，获得多个中间词。
去掉所述多个中间词中的无效词，获得所述目标词。
进一步的，所述若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中，包括：
将所述目标词与标签库集中标签库的标签进行相似度匹配；
若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。
进一步的，所述方法还包括：
若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。
进一步的，所述若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中，包括：
将所述目标词与所述标签库中对应的匹配成功次数大于预设次数的第一标签进行相似度匹配；
若所述相似度大于预设阈值，且所述第一标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第一标签所在的标签库中；
将所述目标词分别与标签库集中不包括所述第一标签的标签库的第二标签进行相似度匹配；
若所述相似度大于预设阈值，且所述第二标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第二标签所在的标签库中。
进一步的，所述获取查询信息，包括：
从用户的历史查询记录中获取查询信息。
本申请第二方面提供一种数据挖掘装置，包括：
第一获取模块，用于获取查询信息；
第二获取模块，用于从所述查询信息中获取目标词；
添加模块，用于若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。
进一步的，所述第二获取模块，包括：
第一获取子模块，用于去掉所述查询信息中的非关键词，获得关键词；
第二获取子模块，用于对所述关键词进行切词，获得多个中间词。
第三获取子模块，用于去掉所述多个中间词中的无效词，获得所述目标词。
进一步的，所述添加模块，包括：
第一匹配子模块，用于将所述目标词与标签库集中标签库的标签进行相似度匹配；
第一添加子模块，用于若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。
进一步的，所述装置还包括：
计数模块，用于若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。
进一步的，所述添加模块，包括：
第二匹配子模块，用于将所述目标词与所述标签库中对应的匹配成功次数大于预设次数的第一标签进行相似度匹配；
第二添加子模块，用于若所述相似度大于预设阈值，且所述第一标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第一标签所在的标签库中；
第三匹配子模块，用于将所述目标词分别与标签库集中不包括所述第一标签的标签库的第二标签进行相似度匹配；
第三添加子模块，用于若所述相似度大于预设阈值，且所述第二标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第二标签所在的标签库中。
进一步的，所述第一获取模块，用于：
从用户的历史查询记录中获取查询信息。
本申请第三方面提供一种电子设备，其特征在于，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第一方面所述的方法。
本申请第四方面提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行第一方面所述的方法。
上述申请中的一个实施例具有如下优点或有益效果：获取查询信息；从所述查询信息中获取目标词；若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。由于对标签库的整个扩充过程不需要人工参与，自动化程度高，降低了扩充成本，提高了扩充效率。
另外，在获取目标词时，通过去掉所述查询信息中的非关键词，获得关键词；对所述关键词进行切词，获得多个中间词；去掉所述多个中间词中的无效词，获得所述目标词。这样，可使得在将目标词与标签库中的标签进行匹配时，提高匹配的准确度，从而提高扩充标签库的准确性。
将所述目标词与标签库集中标签库的标签进行相似度匹配，若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。通过目标词与标签的相似度来确定目标词是否添加到标签库中，可提高匹配的准确度，从而提高扩充标签库的准确性。
若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。根据匹配成功的次数可看出标签被匹配的次数，该次数可反映用户的搜索习惯，在扩展标签时，可优先将目标词与匹配成功次数多的标签进行匹配。
将目标词先与第一标签进行匹配，若目标词与第一标签匹配成功，第一标签所在的标签库最终都会包括目标词。这样，第一标签所在的标签库中的标签不用再分别与目标词进行比较，标签库集中未包括第一标签的标签库中的标签再分别与目标词进行比较，可以提高处理效率。
查询信息从用户的历史查询记录中获取，由于基于用户需求进行标签挖掘，能极高精准的满足用户需求，这样扩充的标签库，可为用户的查询提供准确内容。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
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是根据本申请第一实施例的示意图；
图2是根据本申请第二实施例的示意图；
图3a是根据本申请第三实施例的示意图；
图3b是根据本申请第四实施例的示意图；
图4是本申请实施例提供的数据挖掘装置的一结构示意图；
图5是本申请实施例提供的数据挖掘装置的另一结构示意图；
图6是本申请实施例的数据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。
参见图1，图1是本申请实施例提供的数据挖掘方法的流程图，如图1所示，本实施例提供一种数据挖掘方法，应用于数据挖掘装置，包括以下步骤：
步骤101、获取查询信息。
查询信息可为语句、关键词等等。查询信息可从用户的历史查询记录中获取。例如，对于用户的每次查询，都将用户输入的查询信息记录下来，并保存到信息库中，信息库包括多个用户的至少一个历史查询记录。
步骤102、从所述查询信息中获取目标词。
由于查询信息中的每个字并不都是重要的，数据挖掘装置需要先对查询信息进行分析，从查询信息中获取到目标词，目标词可认为是关键词。
步骤103、若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。
具体的，标签库(tag库)中的标签(tag)用于对某个对象进行标记(或描述)，对象可为成语，词组等等。每个对象对应一个标签库，每个标签库包括一个或多个标签，由于不同的对象可以有共同点，采用相同的标签进行描述，不同的标签库可包括相同的标签。初始时，标签库包括的标签可通过人工编辑的方式确定。在本步骤中，预获取的标签库可以只包括通过人工编辑的方式确定的标签，还可以既包括通过人工编辑的方式确定的标签，又包括通过本申请提供的数据挖掘方法确定的标签。
将目标词与标签库中的标签进行匹配，若匹配成功，将目标词添加到标签库中，这样，可对标签库进行扩充。
本申请实施例的数据挖掘方法，获取查询信息；从所述查询信息中获取目标词；若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。由于对标签库的整个扩充过程不需要人工参与，自动化程度高，降低了扩充成本，提高了扩充效率。
进一步的，如图2所示，步骤102、所述从所述查询信息中获取目标词，包括：
步骤1021、去掉所述查询信息中的非关键词，获得关键词。
对查询信息进行清洗，去掉非关键词。例如，对查询信息为“好听而意境深远的成语”，去掉非关键词之后，获得的关键词为“好听而意境深远”。
步骤1022、对所述关键词进行切词，获得多个中间词。
对关键词进行以词为单位粒度的切词，获得多个中间词。例如，对关键词为“好听而意境深远”进行切词之后，获得的多个中间词为“好听”、“而”以及“意境深远”。对关键词进行切词，将关键词切为以词为单位粒度的词，可提升后续标签比对时的关联能力，这可以理解为，提高后续标签比对时的准确度，保证所挖掘tag的准确性。
步骤1023、去掉所述多个中间词中的无效词，获得所述目标词。
对中间词再次进行清洗，以去掉无效词。例如，对中间词“好听”、“而”以及“意境深远”进行清洗，去掉无效词“而”，获得目标词“好听”和“意境深远”。
本实施例中，在获取目标词时，通过去掉所述查询信息中的非关键词，获得关键词；对所述关键词进行切词，获得多个中间词；去掉所述多个中间词中的无效词，获得所述目标词。这样，可使得在将目标词与标签库中的标签进行匹配时，提高匹配的准确度，从而提高扩充标签库的准确性。
进一步的，所述若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中，包括：
将所述目标词与标签库集中标签库的标签进行相似度匹配；
若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。
具体的，标签库集包括多个标签库，每个标签库对一个对象进行标记(或描述)，对象可为成语，词组等等。每个对象对应一个标签库，每个标签库包括一个或多个标签。在匹配时，将目标词与标签库集中各标签库中的标签依次进行相似度匹配，若相似度大于预设阈值，将目标词添加到匹配成功的标签所在的标签库中，实现标签库的扩充，这样，目标词可对该标签库对应的对象进行标记(或描述)。例如，若目标词“好听”与标签库A中的标签“优美”的相似度大于预设阈值，那么，将“好听”添加到标签库A中，标签库A便增加了一个新的标签“好听”。若标签库A与对象B对应，这样，在查询响应装置(例如搜索引擎，查询响应装置使用的数据库为标签库集)响应用户查询时，若“好听”与用户的查询输入相匹配，那么，查询响应装置会将对象B作为响应内容返给用户，标签库的扩充可提高查询内容的召回能力。
进一步的，所述从所述查询信息中获取目标词之后，还包括：
若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。
本申请中，若所述标签与所述目标词相同，则说明所述标签所在的标签库已经包括了目标词，此时，不用将目标词添加到所述标签所在的标签库。为了便于后续使用，在所述标签与所述目标词相同的情况下，将所述标签对应的匹配成功次数加1，即在所述标签与所述目标词相同的情况下，对标签对应的匹配成功次数加1。此处，若标签位于不同的标签库中，那么多个相同的标签对应的匹配成功次数也相同。相似度匹配可为语义相似度，在此不做限定。
进一步的，在目标词与标签匹配成功，但目标词与标签不相同的情况下，也可以将标签对应的匹配成功次数加1，在此不做限定。此处，若标签位于不同的标签库中，那么多个相同的标签对应的匹配成功次数也相同。
本申请中，若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。根据匹配成功的次数可看出标签被匹配的次数，该次数可反映用户的搜索习惯，在扩展标签时，可优先将目标词与匹配成功次数多的标签进行匹配。
进一步的，所述若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中，包括：
将所述目标词与所述标签库中对应的匹配成功次数大于预设次数的第一标签进行相似度匹配；
若所述相似度大于预设阈值，且所述第一标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第一标签所在的标签库中；
将所述目标词分别与标签库集中不包括所述第一标签的标签库的第二标签进行相似度匹配；
若所述相似度大于预设阈值，且所述第二标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第二标签所在的标签库中。
本实施例中，将目标词先与第一标签进行匹配，第一标签是匹配成功次数大于预设次数的标签，预设次数可根据实际情况进行设置，在此不做限定。若目标词与第一标签匹配成功，则判断第一标签所在的标签库是否包括目标词，若不包括则添加目标词，第一标签所在的标签库最终都会包括目标词。这样，第一标签所在的标签库中的标签不用再分别与目标词进行比较，标签库集中未包括第一标签的标签库中的标签再分别与目标词进行比较，可以提高处理效率。
本申请中对标签库的扩充(即tag挖掘)是基于用户需求的，即从用户需求query(即查询信息)中获取tag。如图3a、图3b所示，图3a是本申请实施例提供的数据挖掘方法的流程图，图3b为对图3a的处理过程的举例说明。
以下以单个查询信息“好听而意境深远的成语”为例对本申请中的数据挖掘方法进行描述，如图3b所示，获取用户搜索“好听而意境深远的成语”，然后对“好听而意境深远的成语”进行清洗，去掉非关键词“的成语”，导出关键词“好听而意境深远”。图3a、图3b中，现有标签库即预获取的标签库。新标签库为扩充后的标签库，即添加了目标词的标签库。
为提升tag的关联能力对关键词进行以词为单位粒度的切词，获得中间词：“好听”、“而”、“意境深远”，对中间词进行清洗，去掉无效词，即关联词“而”，导出目标词“好听”和“意境深远”，将目标词与现有tag库集的tag库中的标签进行相似度匹配(即图3b中的词语相关性匹配)，具体可根据图谱关联进行相似度匹配，若相似度大于预设阈值，将目标词添加到匹配成功的标签对应tag库中。
本申请的数据挖掘方法，基于用户需求进行tag挖掘，能极高精准的满足用户需求，这样扩充的tag库，可为用户的查询提供准确内容，挖掘所需样本全部可以自动化处理，减少了人工编辑成本，并且能极大泛化tag库，保证所挖掘tag的准确性。
参见图4，图4是本申请实施例提供的数据挖掘装置的结构图，如图4所示，本实施例提供一种数据挖掘装置400，包括：
第一获取模块401，用于获取查询信息；
第二获取模块402，用于从所述查询信息中获取目标词；
添加模块403，用于若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。
进一步的，如图5所示，所述第二获取模块402，包括：
第一获取子模块4021，用于去掉所述查询信息中的非关键词，获得关键词；
第二获取子模块4022，用于对所述关键词进行切词，获得多个中间词。
第三获取子模块4023，用于去掉所述多个中间词中的无效词，获得所述目标词。
进一步的，如图5所示，所述添加模块403，包括：
第一匹配子模块4031，用于将所述目标词与标签库集中标签库的标签进行相似度匹配；
第一添加子模块4032，用于若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。
进一步的，数据挖掘装置400，还包括：
计数模块，用于若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。
进一步的，所述添加模块403，包括：
第二匹配子模块，用于将所述目标词与所述标签库中对应的匹配成功次数大于预设次数的第一标签进行相似度匹配；
第二添加子模块，用于若所述相似度大于预设阈值，且所述第一标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第一标签所在的标签库中；
第三匹配子模块，用于将所述目标词分别与标签库集中不包括所述第一标签的标签库的第二标签进行相似度匹配；
第三添加子模块，用于若所述相似度大于预设阈值，且所述第二标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第二标签所在的标签库中。
进一步的，所述第一获取模块401，用于：
从用户的历史查询记录中获取查询信息。
数据挖掘装置400能够实现图1-图2所示的方法实施例中数据挖掘装置实现的各个过程，为避免重复，这里不再赘述。
本申请实施例的数据挖掘装置400，获取查询信息；从所述查询信息中获取目标词；若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。由于对标签库的整个扩充过程不需要人工参与，自动化程度高，降低了扩充成本，提高了扩充效率。
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6所示，是根据本申请实施例的数据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6所示，该电子设备包括：一个或多个处理器601、存储器602，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6中以一个处理器601为例。
存储器602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数据挖掘方法。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数据挖掘方法。
存储器602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数据挖掘方法对应的程序指令/模块(例如，附图4所示的第一获取模块401、第二获取模块402和添加模块403)。处理器601通过运行存储在存储器602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数据挖掘方法。
存储器602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实现数据挖掘方法的电子设备的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至实现数据挖掘方法的电子设备。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。
实现数据挖掘方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与实现数据挖掘方法的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304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数据挖掘装置(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)和互联网。
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。
根据本申请实施例的技术方案，获取查询信息；从所述查询信息中获取目标词；若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。由于对标签库的整个扩充过程不需要人工参与，自动化程度高，降低了扩充成本，提高了扩充效率。
另外，在获取目标词时，通过去掉所述查询信息中的非关键词，获得关键词；对所述关键词进行切词，获得多个中间词；去掉所述多个中间词中的无效词，获得所述目标词。这样，可使得在将目标词与标签库中的标签进行匹配时，提高匹配的准确度，从而提高扩充标签库的准确性。
将所述目标词与标签库集中标签库的标签进行相似度匹配，若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。通过目标词与标签的相似度来确定目标词是否添加到标签库中，可提高匹配的准确度，从而提高扩充标签库的准确性。
查询信息从用户的历史查询记录中获取，由于基于用户需求进行标签挖掘，能极高精准的满足用户需求，这样扩充的标签库，可为用户的查询提供准确内容。
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 (14)
1.一种数据挖掘方法，其特征在于，包括：
获取查询信息；
从所述查询信息中获取目标词；
若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。
2.根据权利要求1所述的数据挖掘方法，其特征在于，所述从所述查询信息中获取目标词，包括：
去掉所述查询信息中的非关键词，获得关键词；
对所述关键词进行切词，获得多个中间词；
去掉所述多个中间词中的无效词，获得所述目标词。
3.根据权利要求1所述的数据挖掘方法，其特征在于，所述若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中，包括：
将所述目标词分别与标签库集中标签库的标签进行相似度匹配；
若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签所在的标签库中。
4.根据权利要求1所述的数据挖掘方法，其特征在于，所述从所述查询信息中获取目标词之后，还包括：
若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。
5.根据权利要求4所述的数据挖掘方法，其特征在于，所述若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中，包括：
将所述目标词与所述标签库中对应的匹配成功次数大于预设次数的第一标签进行相似度匹配；
若所述相似度大于预设阈值，且所述第一标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第一标签所在的标签库中；
将所述目标词分别与标签库集中不包括所述第一标签的标签库的第二标签进行相似度匹配；
若所述相似度大于预设阈值，且所述第二标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第二标签所在的标签库中。
6.根据权利要求1所述的数据挖掘方法，其特征在于，所述获取查询信息，包括：
从用户的历史查询记录中获取查询信息。
7.一种数据挖掘装置，其特征在于，包括：
第一获取模块，用于获取查询信息；
第二获取模块，用于从所述查询信息中获取目标词；
添加模块，用于若所述目标词与预获取的标签库中的标签匹配成功，且所述标签所在的标签库不包括所述目标词，则将所述目标词添加到所述标签库中。
8.根据权利要求7所述的数据挖掘装置，其特征在于，所述第二获取模块，包括：
第一获取子模块，用于去掉所述查询信息中的非关键词，获得关键词；
第二获取子模块，用于对所述关键词进行切词，获得多个中间词；
第三获取子模块，用于去掉所述多个中间词中的无效词，获得所述目标词。
9.根据权利要求7所述的数据挖掘装置，其特征在于，所述添加模块，包括：
第一匹配子模块，用于将所述目标词与标签库集中标签库的标签进行相似度匹配；
第一添加子模块，用于若所述相似度大于预设阈值，且所述标签所在的标签库不包括所述目标词则将所述目标词添加到所述标签所在的标签库中。
10.根据权利要求7所述的数据挖掘装置，其特征在于，还包括：
计数模块，用于若所述目标词与预获取的标签库中的标签匹配成功，且所述标签与所述目标词相同，则将所述标签对应的匹配成功次数加1。
11.根据权利要求10所述的数据挖掘装置，其特征在于，所述添加模块，包括：
第二匹配子模块，用于将所述目标词与所述标签库中对应的匹配成功次数大于预设次数的第一标签进行相似度匹配；
第二添加子模块，用于若所述相似度大于预设阈值，且所述第一标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第一标签所在的标签库中；
第三匹配子模块，用于将所述目标词分别与标签库集中不包括所述第一标签的标签库的第二标签进行相似度匹配；
第三添加子模块，用于若所述相似度大于预设阈值，且所述第二标签所在的标签库不包括所述目标词，则将所述目标词添加到所述第二标签所在的标签库中。
12.根据权利要求7所述的数据挖掘装置，其特征在于，所述第一获取模块，用于：
从用户的历史查询记录中获取查询信息。
13.一种电子设备，其特征在于，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1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010046082.9A CN111259058B (zh) | 2020-01-16 | 2020-01-16 | 数据挖掘方法、数据挖掘装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010046082.9A CN111259058B (zh) | 2020-01-16 | 2020-01-16 | 数据挖掘方法、数据挖掘装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111259058A true CN111259058A (zh) | 2020-06-09 |
| CN111259058B CN111259058B (zh) | 2023-09-15 |
Family
ID=70948852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010046082.9A Active CN111259058B (zh) | 2020-01-16 | 2020-01-16 | 数据挖掘方法、数据挖掘装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111259058B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100237A (zh) * | 2020-09-04 | 2020-12-18 | 北京百度网讯科技有限公司 | 一种用户数据处理方法、装置、设备以及存储介质 |
| CN115438036A (zh) * | 2022-11-10 | 2022-12-06 | 广州信安数据有限公司 | 电网统一指标库数据冗余处理系统及方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102646103A (zh) * | 2011-02-18 | 2012-08-22 | 腾讯科技（深圳）有限公司 | 检索词的聚类方法和装置 |
| CN102982178A (zh) * | 2012-12-17 | 2013-03-20 | 北京奇虎科技有限公司 | 一种图片搜索方法、装置和系统 |
| CN103377200A (zh) * | 2012-04-17 | 2013-10-30 | 腾讯科技（深圳）有限公司 | 用户偏好信息采集方法和装置 |
| US20160380933A1 (en) * | 2015-06-29 | 2016-12-29 | Expert Marketplace, Inc. | System and method for providing crowd-based technical support to smartphone users |
| CN106611029A (zh) * | 2015-10-27 | 2017-05-03 | 北京国双科技有限公司 | 提高网站站内搜索效率的方法和装置 |
| CN106610989A (zh) * | 2015-10-22 | 2017-05-03 | 北京国双科技有限公司 | 搜索关键词聚类方法及装置 |
| CN108121752A (zh) * | 2016-11-30 | 2018-06-05 | 北京国双科技有限公司 | 一种关键词物料的处理方法及装置 |
| CN108829800A (zh) * | 2018-05-29 | 2018-11-16 | 努比亚技术有限公司 | 一种搜索数据处理方法、设备及计算机可读存储介质 |
| CN110647504A (zh) * | 2018-06-25 | 2020-01-03 | 阿里巴巴集团控股有限公司 | 司法文书的检索方法及装置 |
| CN110688846A (zh) * | 2018-07-06 | 2020-01-14 | 北京京东尚科信息技术有限公司 | 周期词挖掘方法、系统、电子设备及可读存储介质 |
-
2020
- 2020-01-16 CN CN202010046082.9A patent/CN111259058B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102646103A (zh) * | 2011-02-18 | 2012-08-22 | 腾讯科技（深圳）有限公司 | 检索词的聚类方法和装置 |
| CN103377200A (zh) * | 2012-04-17 | 2013-10-30 | 腾讯科技（深圳）有限公司 | 用户偏好信息采集方法和装置 |
| CN102982178A (zh) * | 2012-12-17 | 2013-03-20 | 北京奇虎科技有限公司 | 一种图片搜索方法、装置和系统 |
| US20160380933A1 (en) * | 2015-06-29 | 2016-12-29 | Expert Marketplace, Inc. | System and method for providing crowd-based technical support to smartphone users |
| CN106610989A (zh) * | 2015-10-22 | 2017-05-03 | 北京国双科技有限公司 | 搜索关键词聚类方法及装置 |
| CN106611029A (zh) * | 2015-10-27 | 2017-05-03 | 北京国双科技有限公司 | 提高网站站内搜索效率的方法和装置 |
| CN108121752A (zh) * | 2016-11-30 | 2018-06-05 | 北京国双科技有限公司 | 一种关键词物料的处理方法及装置 |
| CN108829800A (zh) * | 2018-05-29 | 2018-11-16 | 努比亚技术有限公司 | 一种搜索数据处理方法、设备及计算机可读存储介质 |
| CN110647504A (zh) * | 2018-06-25 | 2020-01-03 | 阿里巴巴集团控股有限公司 | 司法文书的检索方法及装置 |
| CN110688846A (zh) * | 2018-07-06 | 2020-01-14 | 北京京东尚科信息技术有限公司 | 周期词挖掘方法、系统、电子设备及可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| M. SWEET;APPLE INC.;I. MCDONALD; HIGH NORTH, INC.;: "Internet Printing Protocol/1.1: Model and Semantics", IETF RFC8011 * |
| 陈毅恒: "文本检索结果聚类及类别标签抽取技术研究", 中国博士论文全文数据库 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112100237A (zh) * | 2020-09-04 | 2020-12-18 | 北京百度网讯科技有限公司 | 一种用户数据处理方法、装置、设备以及存储介质 |
| CN112100237B (zh) * | 2020-09-04 | 2023-08-15 | 北京百度网讯科技有限公司 | 一种用户数据处理方法、装置、设备以及存储介质 |
| CN115438036A (zh) * | 2022-11-10 | 2022-12-06 | 广州信安数据有限公司 | 电网统一指标库数据冗余处理系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111259058B (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111104514B (zh) | 文档标签模型的训练方法及装置 | |
| CN110674314B (zh) | 语句识别方法及装置 | |
| CN111967262A (zh) | 实体标签的确定方法和装置 | |
| CN111522994A (zh) | 用于生成信息的方法和装置 | |
| CN112541076B (zh) | 目标领域的扩充语料生成方法、装置和电子设备 | |
| CN111949814A (zh) | 搜索方法、装置、电子设备和存储介质 | |
| CN111522863B (zh) | 一种主题概念挖掘方法、装置、设备以及存储介质 | |
| CN111708800A (zh) | 查询方法、装置及电子设备 | |
| CN111324715A (zh) | 问答机器人的生成方法和装置 | |
| CN111090991A (zh) | 场景纠错方法、装置、电子设备和存储介质 | |
| CN111125176A (zh) | 一种业务数据搜索方法、装置、电子设备和存储介质 | |
| CN111177339A (zh) | 对话生成方法、装置、电子设备及存储介质 | |
| CN111259058B (zh) | 数据挖掘方法、数据挖掘装置和电子设备 | |
| CN112380847A (zh) | 兴趣点处理方法、装置、电子设备及存储介质 | |
| CN111666417B (zh) | 生成同义词的方法、装置、电子设备以及可读存储介质 | |
| CN112099647A (zh) | 应用操作方法、装置、电子设备及可读存储介质 | |
| CN113516491A (zh) | 推广信息展示方法、装置、电子设备及存储介质 | |
| CN111241242A (zh) | 目标内容的确定方法、装置、设备及计算机可读存储介质 | |
| CN112084150A (zh) | 模型训练、数据检索方法，装置，设备以及存储介质 | |
| CN111984774A (zh) | 搜索方法、装置、设备以及存储介质 | |
| CN111782975A (zh) | 一种检索方法、装置和电子设备 | |
| CN115145924A (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN111309872A (zh) | 搜索处理方法、装置及设备 | |
| CN113127669A (zh) | 广告配图方法、装置、设备和存储介质 | |
| US11468236B2 (en) | Method and apparatus for performing word segmentation on text, device, and medium |
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 |