CN111813828A - 一种实体关系挖掘方法、装置、电子设备及存储介质 - Google Patents

一种实体关系挖掘方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111813828A
CN111813828A CN202010620947.8A CN202010620947A CN111813828A CN 111813828 A CN111813828 A CN 111813828A CN 202010620947 A CN202010620947 A CN 202010620947A CN 111813828 A CN111813828 A CN 111813828A
Authority
CN
China
Prior art keywords
target entity
search
entity word
sentence
meeting
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
Application number
CN202010620947.8A
Other languages
English (en)
Other versions
CN111813828B (zh
Inventor
雷谦
熊壮
姚后清
施鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010620947.8A priority Critical patent/CN111813828B/zh
Publication of CN111813828A publication Critical patent/CN111813828A/zh
Priority to JP2021053538A priority patent/JP7300475B2/ja
Priority to US17/216,008 priority patent/US12105750B2/en
Priority to EP21165945.3A priority patent/EP3822815A1/en
Priority to KR1020210041288A priority patent/KR102600018B1/ko
Application granted granted Critical
Publication of CN111813828B publication Critical patent/CN111813828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3338—Query expansion
    • 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
    • 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
    • G06F16/367—Ontology
    • 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
    • G06F16/242—Query formulation
    • G06F16/243—Natural language query formulation
    • 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
    • G06F16/2453—Query optimisation
    • 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
    • G06F16/2462—Approximate or statistical queries
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • 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
    • G06F16/3331—Query processing
    • G06F16/3332—Query translation
    • G06F16/3334—Selection or weighting of terms from queries, including natural language queries
    • 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)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了一种实体关系挖掘方法、装置、电子设备及存储介质，涉及人工智能和深度学习。具体方案为：在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。本申请实施例可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的。

Description

一种实体关系挖掘方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机技术领域，进一步涉及人工智能和深度学习领域，尤其是一种实体关系挖掘方法、装置、电子设备及存储介质。
背景技术
一般来说，用户的搜索需求很大一部分是客观知识型需求。为了更好的满足用户，搜索引擎在为用户提供搜索服务时，需要对用户的需求进行深入理解，实现针对不同的需求场景，满足不同的用户需求。在客观知识型需求的搜索场景中，除了需要对需求人群，需求形态等深度理解以外，还包含对知识点本身的深度理解，包括：知识的分类层级、知识的内涵、外延以及用户对知识的需求点。知识点的深度理解对提高搜索和推荐的用户体验有很大帮助。
在知识点的深度理解中，很大程度上指的是对知识进行分类和建设层级化，例如，在动植物中的学术分类体系中，“兰花”的分类层级为：植物界->被子植物门->单子叶植物纲->微子目->兰科->兰亚科->树兰族->兰属；又例如，在学科分类体系中，“随机变量”的分类层级为：数学->概率论->基本概念。用户可以通过上级层级追溯，或者平级展开，从而了解更多的知识点。但是在已有的分类体系中，往往存在粒度太粗的问题，一般情况下，分类体系会将实体词作为叶子节点，止步于此。但是在实际的搜索场景中，用户对实体词有进一步的层级化的需求，例如，在游戏“乱世王者中，用户的需求可能会集中在“白虎”，“长平之战”、“兵种”等关于游戏实体“乱世王者”的下级内容上，而不是止步于在“乱世王者”本身上。
在现有技术中，通常采用以下两种实体关系的挖掘方法：1)采用人工方式：需要投入大量的运营人力，成本太高，而且对于长尾实体，用户的需求变动并不频繁，这种方式也造成运营人力成本的浪费；另外，对于时效性较高的实体，人工运营成本则会更高。2)采用高频标签的方式：最终的挖掘结果严重依赖标签。如果标签的准确性不能保证，那么在后续产出关联的标签时，误差会传导到最终的挖掘结果上。
发明内容
本申请提供了一种实体关系的挖掘方法、装置、电子设备及存储介质，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的。
第一方面，本申请提供了一种实体关系挖掘方法，所述方法包括：
在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；
若在所述搜索语句集合中查找到至少一个满足所述目标实体词对应的预设条件的搜索语句，则基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的关联实体词。
第二方面，本申请提供了一种实体关系挖掘装置，所述装置包括：查找模块和挖掘模块；其中，
所述查找模块，用于在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；
所述挖掘模块，用于若在所述搜索语句集合中查找到至少一个满足所述目标实体词对应的预设条件的搜索语句，则基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的关联实体词。
第三方面，本申请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申请任意实施例所述的实体关系挖掘方法。
第四方面，本申请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申请任意实施例所述的实体关系挖掘方法。
根据本申请的技术解决了现有技术中采用人工方式需要投入大量的运营人力，成本太高，以及采用高频标签的方式对标签依赖严重的技术问题，本申请提供的技术方案，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
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是本申请实施例一提供的实体关系挖掘方法的流程示意图；
图2是本申请实施例二提供的实体关系挖掘方法的流程示意图；
图3是本申请实施例三提供的实体关系挖掘方法的流程示意图；
图4是本申请实施例三提供的实体层结构的示意图；
图5是本申请实施例四提供的实体关系挖掘方法的流程示意图；
图6是本申请实施例五提供的实体关系挖掘装置的结构示意图；
图7是本申请实施例五提供的查找模块的结构示意图；
图8是本申请实施例五提供的挖掘模块的结构示意图；
图9是用来实现本申请实施例的实体关系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。
实施例一
图1是本申请实施例一提供的实体关系挖掘方法的流程示意图，该方法可以由实体关系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，实体关系挖掘方法可以包括以下步骤：
S101、在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句。
在本申请的具体实施例中，电子设备可以在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句。具体地，电子设备可以按照预设周期在在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句。在一个实施例中，电子设备可以先在搜索语句集合中查找目标实体词；若在搜索语句集合中查找到至少一个包含目标实体的搜索语句，则电子设备还可以检测包含目标实体词的搜索语句中是否存在至少一个满足目标实体词对应的句式结构条件的搜索语句；若包含目标实体词的搜索语句中存在至少一个满足目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中查找到满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中未查找到包含目标实体的搜索语句；或者，包含目标实体词的搜索语句中不存在满足目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中未查找到满足目标实体词对应的预设条件的搜索语句。
S102、若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。
在本申请的具体实施例中，若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则电子设备可以基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。在一个实施例中，电子设备可以先基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的至少一个第二级实体词；然后将目标实体词和目标实体词对应的各个第二级实体词分别合并为一个新的目标实体词，在搜索语句集合中查找满足新的目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足新的目标实体词对应的预设条件的搜索语句，则电子设备可以基于满足新的目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的第三级实体词。
本申请实施例提出的实体关系挖掘方法，先在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。也就是说，本申请可以在搜索语句集合中挖掘出目标实体词对应的关联实体词。而在现有的实体关系挖掘方法中，采用人工方式需要投入大量的运营人力，成本太高；采用高频标签的方式对标签依赖严重。因为本申请采用了基于搜索语句集合中挖掘目标实体词的技术手段，克服了现有技术中采用人工方式需要投入大量的运营人力，成本太高，以及采用高频标签的方式对标签依赖严重的技术问题，本申请提供的技术方案，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的；并且，本申请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是本申请实施例二提供的实体关系挖掘方法的流程示意图。如图2所示，实体关系挖掘方法可以包括以下步骤：
S201、在搜索语句集合中查找目标实体词。
在本申请的具体实施例中，电子设备可以在搜索语句集合中查找目标实体词。具体地，电子设备可以按照预设周期在搜索语句集合中查找目标实体词。搜索语句集合为预先构建的一个全量query集合，该集合可以包括N个query；其中，N为大于等于1的自然数。
S202、若在搜索语句集合中查找到至少一个包含目标实体的搜索语句，则检测包含目标实体词的搜索语句中是否存在至少一个满足目标实体词对应的句式结构条件的搜索语句。
在本申请的具体实施例中，若在搜索语句集合中查找到至少一个包含目标实体的搜索语句，则电子设备可以检测包含目标实体词的搜索语句中是否存在至少一个满足目标实体词对应的句式结构条件的搜索语句。在一个实施例中，电子设备可以在包含目标实体词的搜索语句中提取出一个搜索语句作为包含目标实体词的当前搜索语句；若包含目标实体词的当前搜索语句中的第一个名词为目标实体词且目标实体词的后面有且只有一个名词，则电子设备可以判定包含目标实体词的当前搜索语句为满足目标实体词对应的句式结构条件的搜索语句；否则，电子设备可以判定包含目标实体词的当前搜索语句为不满足目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含目标实体词的各个搜索语句是否满足目标实体词对应的句式结构条件。
S203、若包含目标实体词的搜索语句中存在至少一个满足目标实体词对应的句式结构条件的搜索语句，则判定在搜索语句集合中查找到满足目标实体词对应的预设条件的搜索语句。
在本申请的具体实施例中，若包含目标实体词的搜索语句中存在至少一个满足目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中查找到满足目标实体词对应的预设条件的搜索语句；若包含目标实体词的搜索语句中不存在满足目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中未查找到满足目标实体词对应的预设条件的搜索语句。
S204、若包含目标实体词的搜索语句中存在至少一个满足预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。
本申请实施例提出的实体关系挖掘方法，先在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。也就是说，本申请可以在搜索语句集合中挖掘出目标实体词对应的关联实体词。而在现有的实体关系挖掘方法中，采用人工方式需要投入大量的运营人力，成本太高；采用高频标签的方式对标签依赖严重。因为本申请采用了基于搜索语句集合中挖掘目标实体词的技术手段，克服了现有技术中采用人工方式需要投入大量的运营人力，成本太高，以及采用高频标签的方式对标签依赖严重的技术问题，本申请提供的技术方案，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的；并且，本申请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是本申请实施例三提供的实体关系挖掘方法的流程示意图。如图3所示，实体关系挖掘方法可以包括以下步骤：
S301、在搜索语句集合中查找目标实体词。
S302、若在搜索语句集合中查找到至少一个包含目标实体的搜索语句，则在包含目标实体词的搜索语句中提取出一个搜索语句作为包含目标实体词的当前搜索语句。
在本申请的具体实施例中，若在搜索语句集合中查找到至少一个包含目标实体的搜索语句，则电子设备可以在包含目标实体词的搜索语句中提取出一个搜索语句作为包含目标实体词的当前搜索语句。例如，假设在搜索语句集合中查找到三个包含目标实体的搜索语句，电子设备可以先将第一个包含目标实体的搜索语句作为当前搜索语句；检测当前搜索语句(即第一个包含目标实体的搜索语句)是否满足目标实体词对应的句式结构条件；然后将第二个包含目标实体的搜索语句作为当前搜索语句；检测当前搜索语句(即第二个包含目标实体的搜索语句)是否满足目标实体词对应的句式结构条件；再将第三个包含目标实体的搜索语句作为当前搜索语句；检测当前搜索语句(即第三个包含目标实体的搜索语句)是否满足目标实体词对应的句式结构条件。
S303、若包含目标实体词的当前搜索语句中的第一个名词为目标实体词且目标实体词的后面有且只有一个名词，则判定包含目标实体词的当前搜索语句为满足目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含目标实体词的各个搜索语句是否满足目标实体词对应的句式结构条件。
在本申请的具体实施例中，若包含目标实体词的当前搜索语句中的第一个名词为目标实体词且目标实体词的后面有且只有一个名词，则电子设备可以判定包含目标实体词的当前搜索语句为满足目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含目标实体词的各个搜索语句是否满足目标实体词对应的句式结构条件。例如，假设目标实体词为“乱世王者”，当前搜索语句为“乱世王者的白虎”，由于当前搜索语句中的第一个名词是“乱世王者”且“乱世王者”的后面有且只有一个“白虎”，则电子设备可以判定该当前搜索语句满足目标实体词对应的句式结构条件。
S304、若包含目标实体词的搜索语句中存在至少一个满足目标实体词对应的句式结构条件的搜索语句，则判定在搜索语句集合中查找到满足目标实体词对应的预设条件的搜索语句。
在本申请的具体实施例中，若包含目标实体词的搜索语句中存在至少一个满足目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中查找到满足目标实体词对应的预设条件的搜索语句；若包含目标实体词的搜索语句中不存在满足目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中未查找到满足目标实体词对应的预设条件的搜索语句。
S305、若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。
图4是本申请实施例三提供的实体层结构的示意图。如图4所示，假设目标实体词为“乱世王者”，电子设备可以在搜索语句集合中查找到包含“乱世王者”的搜索语句为“乱世王者的白虎”、“乱世王者的长平之战”和“乱世王者的兵种”；则电子设备可以在上述包含“乱世王者”的搜索语句中挖掘出“乱世王者”对应的第二级实体词，分别为：“白虎”、“长平之战”和“兵种”。然后电子设备可以将“乱世王者”和“白虎”合并为一个新的目标实体词，在搜索语句集合中查找该新的目标实体词，假设在搜索语句集合中未查找到该新的目标实体词，则“白虎”的下一级的实体词不存在；同样地，电子设备还可以将“乱世王者”和“长平之战”合并为一个新的目标实体词，在搜索语句集合中查找该新的目标实体词，假设在搜索语句集合中查找到包含该新的目标实体词的搜索语句为“乱世王者的长平之战的退出”和“乱世王者的长平之战的刷分”，则基于这两个搜索语句可以挖掘出“长平之战”的下一级的实体词为“退出”和“刷分”；同样地，电子设备还可以挖掘出“兵种”的下一级实体词为“攻略”和“克制表”。
本申请实施例提出的实体关系挖掘方法，先在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。也就是说，本申请可以在搜索语句集合中挖掘出目标实体词对应的关联实体词。而在现有的实体关系挖掘方法中，采用人工方式需要投入大量的运营人力，成本太高；采用高频标签的方式对标签依赖严重。因为本申请采用了基于搜索语句集合中挖掘目标实体词的技术手段，克服了现有技术中采用人工方式需要投入大量的运营人力，成本太高，以及采用高频标签的方式对标签依赖严重的技术问题，本申请提供的技术方案，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的；并且，本申请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5是本申请实施例四提供的实体关系挖掘方法的流程示意图。如图5所示，实体关系挖掘方法可以包括以下步骤：
S501、在搜索语句集合中查找目标实体词。
S502、若在搜索语句集合中查找到至少一个包含目标实体的搜索语句，则在包含目标实体词的搜索语句中提取出一个搜索语句作为包含目标实体词的当前搜索语句。
S503、若包含目标实体词的当前搜索语句中的第一个名词为目标实体词且目标实体词的后面有且只有一个名词，则判定包含目标实体词的当前搜索语句为满足目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含目标实体词的各个搜索语句是否满足目标实体词对应的句式结构条件。
S504、若包含目标实体词的搜索语句中存在至少一个满足目标实体词对应的句式结构条件的搜索语句，则判定在搜索语句集合中查找到满足目标实体词对应的预设条件的搜索语句。
S505、若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的至少一个第二级实体词。
在本申请的具体实施例中，若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则电子设备可以基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的至少一个第二级实体词。在一个实施例中，电子设备可以先在满足目标实体词对应的预设条件的搜索语句中提取出一个搜索语句作为满足目标实体词对应的预设条件的当前搜索语句；然后基于满足目标实体词对应的预设条件的当前搜索语句挖掘出目标实体词对应的第二级实体词；重复执行上述操作，直到在每一个满足目标实体词对应的预设条件的搜索语句中挖掘出目标实体词对应的至少一个第二级实体词。
S506、将目标实体词和目标实体词对应的各个第二级实体词分别合并为一个新的目标实体词，在搜索语句集合中查找满足新的目标实体词对应的预设条件的搜索语句。
在本申请的具体实施例中，电子设备可以将目标实体词和目标实体词对应的各个第二级实体词分别合并为一个新的目标实体词，在搜索语句集合中查找满足新的目标实体词对应的预设条件的搜索语句。具体地，电子设备可以将目标实体词和目标实体词对应的各个第二级实体词直接组合起来，也可以在目标实体词和目标实体词对应的各个第二级实体词中间加入预先设定的虚词，例如，副词、介词、连词、助词等。在一个实施例中，电子设备可以在搜索语句集合中查找新的目标实体词；若在搜索语句集合中查找到至少一个包含新的目标实体词的搜索语句，则检测包含新的目标实体词的搜索语句中是否存在至少一个满足新的目标实体词对应的句式结构条件的搜索语句；若包含新的目标实体词的搜索语句中存在至少一个满足新的目标实体词对应的句式结构条件的搜索语句，则电子设备可以判定在搜索语句集合中查找到满足新的目标实体词对应的预设条件的搜索语句。进一步的，电子设备可以在包含新的目标实体词的搜索语句中提取出一个搜索语句作为包含新的目标实体词的当前搜索语句；若包含新的目标实体词的当前搜索语句中的第一个名词为新的目标实体词且新的目标实体词的后面只有一个名词或者一个动词，则电子设备可以判定包含新的目标实体词的当前搜索语句为满足新的目标实体词对应的句式结构的搜索语句；重复执行上述操作，直到在包含新的目标实体词的搜索语句中提取出全部满足新的目标实体词对应的句式结构的搜索语句。
S507、若在搜索语句集合中查找到至少一个满足新的目标实体词对应的预设条件的搜索语句，则基于满足新的目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的第三级实体词。
在本申请的具体实施例中，若在搜索语句集合中查找到至少一个满足新的目标实体词对应的预设条件的搜索语句，则电子设备可以基于满足新的目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的第三级实体词。例如，假设目标实体词为“乱世王者”，电子设备可以在搜索语句集合中查找到包含“乱世王者”的搜索语句为“乱世王者的长平之战”；则电子设备可以在“乱世王者的长平之战”中挖掘出“乱世王者”对应的第二级实体词：“长平之战”。然后电子设备可以将“乱世王者”和“长平之战”合并为一个新的目标实体词，在搜索语句集合中查找该新的目标实体词，假设在搜索语句集合中查找到包含该新的目标实体词的搜索语句为“乱世王者的长平之战的退出”和“乱世王者的长平之战的刷分”，则基于这两个搜索语句可以挖掘出“长平之战”的下一级的实体词为“退出”和“刷分”。
较佳地，在本申请的具体实施例中，电子设备在挖掘出目标实体词对应的关联实体词之后，还可以对挖掘出的目标实体词对应的关联实体词进行校验。在一个实施例中，电子设备可以在目标实体词对应的关联实体词中提取出一个实体词作为目标实体词对应的当前关联实体词；然后统计目标实体词和目标实体词对应的当前关联实体词在预定时间段内的访问频率或者访问次数；若目标实体词和目标实体词对应的当前关联实体词在预定时间段内的访问频率大于预设频率阈值；或者，若目标实体词和目标实体词对应的当前关联实体词在预定时间段内的访问次数大于预设次数阈值，则电子设备可以判定目标实体词对应的当前关联实体词成立；重复执行上述操作，直到校验出目标实体词对应的各个关联实体词是否成立。
本申请实施例提出的实体关系挖掘方法，先在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。也就是说，本申请可以在搜索语句集合中挖掘出目标实体词对应的关联实体词。而在现有的实体关系挖掘方法中，采用人工方式需要投入大量的运营人力，成本太高；采用高频标签的方式对标签依赖严重。因为本申请采用了基于搜索语句集合中挖掘目标实体词的技术手段，克服了现有技术中采用人工方式需要投入大量的运营人力，成本太高，以及采用高频标签的方式对标签依赖严重的技术问题，本申请提供的技术方案，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例五
图6是本申请实施例五提供的实体关系挖掘装置的结构示意图。如图6所示，所述装置600包括：查找模块601和挖掘模块602；其中，
所述查找模块601，用于在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；
所述挖掘模块602，用于若在所述搜索语句集合中查找到至少一个满足所述目标实体词对应的预设条件的搜索语句，则基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的关联实体词。
图7是本申请实施例五提供的查找模块的结构示意图。如图7所示，所述查找模块601包括：查找子模块6011和检测子模块6012；其中，
所述查找子模块6011，用于在所述搜索语句集合中查找所述目标实体词；
所述检测子模块6012，用于若在所述搜索语句集合中查找到至少一个包含所述目标实体的搜索语句，则检测包含所述目标实体词的搜索语句中是否存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句；若包含所述目标实体词的搜索语句中存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句，则判定在所述搜索语句集合中查找到满足所述目标实体词对应的预设条件的搜索语句。
进一步的，所述检测子模块6012，具体用于在所述包含所述目标实体词的搜索语句中提取出一个搜索语句作为包含所述目标实体词的当前搜索语句；若包含所述目标实体词的当前搜索语句中的第一个名词为所述目标实体词且所述目标实体词的后面有且只有一个名词，则判定包含所述目标实体词的当前搜索语句为满足所述目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含所述目标实体词的各个搜索语句是否满足所述目标实体词对应的句式结构条件。
图8是本申请实施例五提供的挖掘模块的结构示意图。如图8所示，所述挖掘模块602包括：第一挖掘子模块6021、合并查找子模块6022和第二挖掘子模块6023；其中，
所述第一挖掘子模块6021，用于基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的至少一个第二级实体词；
所述合并查找子模块6022，用于将所述目标实体词和所述目标实体词对应的各个第二级实体词分别合并为一个新的目标实体词，在所述搜索语句集合中查找满足所述新的目标实体词对应的预设条件的搜索语句；
所述第二挖掘子模块6023，用于若在所述搜索语句集合中查找到至少一个满足所述新的目标实体词对应的预设条件的搜索语句，则基于满足所述新的目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的第三级实体词。
进一步的，所述合并查找子模块6022，具体用于在所述搜索语句集合中查找所述新的目标实体词；若在所述搜索语句集合中查找到至少一个包含所述新的目标实体词的搜索语句，则检测包含所述新的目标实体词的搜索语句中是否存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句；若包含所述新的目标实体词的搜索语句中存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句，则判定在所述搜索语句集合中查找到满足所述新的目标实体词对应的预设条件的搜索语句。
进一步的，所述第一挖掘子模块6021，具体用于在满足所述目标实体词对应的预设条件的搜索语句中提取出一个搜索语句作为满足所述目标实体词对应的预设条件的当前搜索语句；基于满足所述目标实体词对应的预设条件的当前搜索语句挖掘出所述目标实体词对应的第二级实体词；重复执行上述操作，直到在每一个满足所述目标实体词对应的预设条件的搜索语句中挖掘出所述目标实体词对应的至少一个第二级实体词。
进一步的，所述合并查找子模块6022，具体用于在包含所述新的目标实体词的搜索语句中提取出一个搜索语句作为包含所述新的目标实体词的当前搜索语句；若包含所述新的目标实体词的当前搜索语句中的第一个名词为所述新的目标实体词且所述新的目标实体词的后面只有一个名词或者一个动词，则判定包含所述新的目标实体词的当前搜索语句为满足所述新的目标实体词对应的句式结构的搜索语句；重复执行上述操作，直到在包含所述新的目标实体词的搜索语句中提取出全部满足所述新的目标实体词对应的句式结构的搜索语句。
进一步的，所述装置还包括：校验模块603(图中未示出)，用于在所述目标实体词对应的关联实体词中提取出一个实体词作为所述目标实体词对应的当前关联实体词；统计所述目标实体词和所述目标实体词对应的当前关联实体词在预定时间段内的访问频率或者访问次数；若所述目标实体词和所述目标实体词对应的当前关联实体词在所述预定时间段内的访问频率大于预设频率阈值；或者，若所述目标实体词和所述目标实体词对应的当前关联实体词在所述预定时间段内的访问次数大于预设次数阈值，则判定所述目标实体词对应的当前关联实体词成立；重复执行上述操作，直到校验出所述目标实体词对应的各个关联实体词是否成立。
上述实体关系挖掘装置可执行本申请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，可参见本申请任意实施例提供的实体关系挖掘方法。
实施例六
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9所示，是根据本申请实施例的实体关系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9所示，该电子设备包括：一个或多个处理器901、存储器902，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9中以一个处理器901为例。
存储器902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实体关系挖掘方法。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实体关系挖掘方法。
存储器902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实体关系挖掘方法对应的程序指令/模块(例如，附图6所示的查找模块601和挖掘模块602)。处理器901通过运行存储在存储器902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实体关系挖掘方法。
存储器902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体关系挖掘方法的电子设备的使用所创建的数据等。此外，存储器702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902可选包括相对于处理器901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体关系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。
实体关系挖掘方法的电子设备还可以包括：输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接，图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息，以及产生与实体关系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904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显示装置(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)、互联网和区块链网络。
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，先在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；若在搜索语句集合中查找到至少一个满足目标实体词对应的预设条件的搜索语句，则基于满足目标实体词对应的预设条件的搜索语句挖掘出目标实体词对应的关联实体词。也就是说，本申请可以在搜索语句集合中挖掘出目标实体词对应的关联实体词。而在现有的实体关系挖掘方法中，采用人工方式需要投入大量的运营人力，成本太高；采用高频标签的方式对标签依赖严重。因为本申请采用了基于搜索语句集合中挖掘目标实体词的技术手段，克服了现有技术中采用人工方式需要投入大量的运营人力，成本太高，以及采用高频标签的方式对标签依赖严重的技术问题，本申请提供的技术方案，可以更加准确地挖掘出不同的实体词之间的关系，从而可以满足用户的搜索需求，达到节省人工成本和提高挖掘效率的目的；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。
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 (18)

1.一种实体关系挖掘方法，其特征在于，所述方法包括：
在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；
若在所述搜索语句集合中查找到至少一个满足所述目标实体词对应的预设条件的搜索语句，则基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的关联实体词。
2.根据权利要求1所述的方法，其特征在于，所述在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句，包括：
在所述搜索语句集合中查找所述目标实体词；
若在所述搜索语句集合中查找到至少一个包含所述目标实体的搜索语句，则检测包含所述目标实体词的搜索语句中是否存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句；
若包含所述目标实体词的搜索语句中存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句，则判定在所述搜索语句集合中查找到满足所述目标实体词对应的预设条件的搜索语句。
3.根据权利要求2所述的方法，其特征在于，所述检测包含所述目标实体词的搜索语句中是否存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句，包括：
在所述包含所述目标实体词的搜索语句中提取出一个搜索语句作为包含所述目标实体词的当前搜索语句；
若包含所述目标实体词的当前搜索语句中的第一个名词为所述目标实体词且所述目标实体词的后面有且只有一个名词，则判定包含所述目标实体词的当前搜索语句为满足所述目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含所述目标实体词的各个搜索语句是否满足所述目标实体词对应的句式结构条件。
4.根据权利要求1所述的方法，其特征在于，所述基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的关联实体词，包括：
基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的至少一个第二级实体词；
将所述目标实体词和所述目标实体词对应的各个第二级实体词分别合并为一个新的目标实体词，在所述搜索语句集合中查找满足所述新的目标实体词对应的预设条件的搜索语句；
若在所述搜索语句集合中查找到至少一个满足所述新的目标实体词对应的预设条件的搜索语句，则基于满足所述新的目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的第三级实体词。
5.根据权利要求4所述的方法，其特征在于，所述在所述搜索语句集合中查找满足所述新的目标实体词对应的预设条件的搜索语句，包括：
在所述搜索语句集合中查找所述新的目标实体词；
若在所述搜索语句集合中查找到至少一个包含所述新的目标实体词的搜索语句，则检测包含所述新的目标实体词的搜索语句中是否存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句；
若包含所述新的目标实体词的搜索语句中存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句，则判定在所述搜索语句集合中查找到满足所述新的目标实体词对应的预设条件的搜索语句。
6.根据权利要求4所述的方法，其特征在于，所述基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的至少一个第二级实体词，包括：
在满足所述目标实体词对应的预设条件的搜索语句中提取出一个搜索语句作为满足所述目标实体词对应的预设条件的当前搜索语句；
基于满足所述目标实体词对应的预设条件的当前搜索语句挖掘出所述目标实体词对应的第二级实体词；重复执行上述操作，直到在每一个满足所述目标实体词对应的预设条件的搜索语句中挖掘出所述目标实体词对应的至少一个第二级实体词。
7.根据权利要求5所述的方法，其特征在于，所述检测包含所述新的目标实体词的搜索语句中是否存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句，包括：
在包含所述新的目标实体词的搜索语句中提取出一个搜索语句作为包含所述新的目标实体词的当前搜索语句；
若包含所述新的目标实体词的当前搜索语句中的第一个名词为所述新的目标实体词且所述新的目标实体词的后面只有一个名词或者一个动词，则判定包含所述新的目标实体词的当前搜索语句为满足所述新的目标实体词对应的句式结构的搜索语句；重复执行上述操作，直到在包含所述新的目标实体词的搜索语句中提取出全部满足所述新的目标实体词对应的句式结构的搜索语句。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述目标实体词对应的关联实体词中提取出一个实体词作为所述目标实体词对应的当前关联实体词；
统计所述目标实体词和所述目标实体词对应的当前关联实体词在预定时间段内的访问频率或者访问次数；
若所述目标实体词和所述目标实体词对应的当前关联实体词在所述预定时间段内的访问频率大于预设频率阈值；或者，若所述目标实体词和所述目标实体词对应的当前关联实体词在所述预定时间段内的访问次数大于预设次数阈值，则判定所述目标实体词对应的当前关联实体词成立；重复执行上述操作，直到校验出所述目标实体词对应的各个关联实体词是否成立。
9.一种实体关系挖掘装置，其特征在于，所述装置包括：查找模块和挖掘模块；其中，
所述查找模块，用于在搜索语句集合中查找满足目标实体词对应的预设条件的搜索语句；
所述挖掘模块，用于若在所述搜索语句集合中查找到至少一个满足所述目标实体词对应的预设条件的搜索语句，则基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的关联实体词。
10.根据权利要求9所述的装置，其特征在于，所述查找模块包括：查找子模块和检测子模块；其中，
所述查找子模块，用于在所述搜索语句集合中查找所述目标实体词；
所述检测子模块，用于若在所述搜索语句集合中查找到至少一个包含所述目标实体的搜索语句，则检测包含所述目标实体词的搜索语句中是否存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句；若包含所述目标实体词的搜索语句中存在至少一个满足所述目标实体词对应的句式结构条件的搜索语句，则判定在所述搜索语句集合中查找到满足所述目标实体词对应的预设条件的搜索语句。
11.根据权利要求10所述的装置，其特征在于：
所述检测子模块，具体用于在所述包含所述目标实体词的搜索语句中提取出一个搜索语句作为包含所述目标实体词的当前搜索语句；若包含所述目标实体词的当前搜索语句中的第一个名词为所述目标实体词且所述目标实体词的后面有且只有一个名词，则判定包含所述目标实体词的当前搜索语句为满足所述目标实体词对应的句式结构条件的搜索语句；重复执行上述操作，直到检测出包含所述目标实体词的各个搜索语句是否满足所述目标实体词对应的句式结构条件。
12.根据权利要求9所述的装置，其特征在于，所述挖掘模块包括：第一挖掘子模块、合并查找子模块和第二挖掘子模块；其中，
所述第一挖掘子模块，用于基于满足所述目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的至少一个第二级实体词；
所述合并查找子模块，用于将所述目标实体词和所述目标实体词对应的各个第二级实体词分别合并为一个新的目标实体词，在所述搜索语句集合中查找满足所述新的目标实体词对应的预设条件的搜索语句；
所述第二挖掘子模块，用于若在所述搜索语句集合中查找到至少一个满足所述新的目标实体词对应的预设条件的搜索语句，则基于满足所述新的目标实体词对应的预设条件的搜索语句挖掘出所述目标实体词对应的第三级实体词。
13.根据权利要求12所述的装置，其特征在于：
所述合并查找子模块，具体用于在所述搜索语句集合中查找所述新的目标实体词；若在所述搜索语句集合中查找到至少一个包含所述新的目标实体词的搜索语句，则检测包含所述新的目标实体词的搜索语句中是否存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句；若包含所述新的目标实体词的搜索语句中存在至少一个满足所述新的目标实体词对应的句式结构条件的搜索语句，则判定在所述搜索语句集合中查找到满足所述新的目标实体词对应的预设条件的搜索语句。
14.根据权利要求12所述的装置，其特征在于：
所述第一挖掘子模块，具体用于在满足所述目标实体词对应的预设条件的搜索语句中提取出一个搜索语句作为满足所述目标实体词对应的预设条件的当前搜索语句；基于满足所述目标实体词对应的预设条件的当前搜索语句挖掘出所述目标实体词对应的第二级实体词；重复执行上述操作，直到在每一个满足所述目标实体词对应的预设条件的搜索语句中挖掘出所述目标实体词对应的至少一个第二级实体词。
15.根据权利要求13所述的装置，其特征在于：
所述合并查找子模块，具体用于在包含所述新的目标实体词的搜索语句中提取出一个搜索语句作为包含所述新的目标实体词的当前搜索语句；若包含所述新的目标实体词的当前搜索语句中的第一个名词为所述新的目标实体词且所述新的目标实体词的后面只有一个名词或者一个动词，则判定包含所述新的目标实体词的当前搜索语句为满足所述新的目标实体词对应的句式结构的搜索语句；重复执行上述操作，直到在包含所述新的目标实体词的搜索语句中提取出全部满足所述新的目标实体词对应的句式结构的搜索语句。
16.根据权利要求9所述的装置，其特征在于，所述装置还包括：校验模块，用于在所述目标实体词对应的关联实体词中提取出一个实体词作为所述目标实体词对应的当前关联实体词；统计所述目标实体词和所述目标实体词对应的当前关联实体词在预定时间段内的访问频率或者访问次数；若所述目标实体词和所述目标实体词对应的当前关联实体词在所述预定时间段内的访问频率大于预设频率阈值；或者，若所述目标实体词和所述目标实体词对应的当前关联实体词在所述预定时间段内的访问次数大于预设次数阈值，则判定所述目标实体词对应的当前关联实体词成立；重复执行上述操作，直到校验出所述目标实体词对应的各个关联实体词是否成立。
17.一种电子设备，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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
CN202010620947.8A 2020-06-30 2020-06-30 一种实体关系挖掘方法、装置、电子设备及存储介质 Active CN111813828B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN202010620947.8A CN111813828B (zh) 2020-06-30 2020-06-30 一种实体关系挖掘方法、装置、电子设备及存储介质
JP2021053538A JP7300475B2 (ja) 2020-06-30 2021-03-26 エンティティ関係マイニング方法、装置、電子デバイス、コンピュータ可読記憶媒体及びコンピュータプログラム
US17/216,008 US12105750B2 (en) 2020-06-30 2021-03-29 Method and apparatus for mining entity relationship, electronic device, and storage medium
EP21165945.3A EP3822815A1 (en) 2020-06-30 2021-03-30 Method and apparatus for mining entity relationship, electronic device, storage medium, and computer program product
KR1020210041288A KR102600018B1 (ko) 2020-06-30 2021-03-30 엔티티 관계 마이닝 방법, 장치, 전자 기기, 저장 매체 및 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010620947.8A CN111813828B (zh) 2020-06-30 2020-06-30 一种实体关系挖掘方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111813828A true CN111813828A (zh) 2020-10-23
CN111813828B CN111813828B (zh) 2024-02-27

Family

ID=72856687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010620947.8A Active CN111813828B (zh) 2020-06-30 2020-06-30 一种实体关系挖掘方法、装置、电子设备及存储介质

Country Status (5)

Country Link
US (1) US12105750B2 (zh)
EP (1) EP3822815A1 (zh)
JP (1) JP7300475B2 (zh)
KR (1) KR102600018B1 (zh)
CN (1) CN111813828B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113515598A (zh) * 2021-06-22 2021-10-19 国网电子商务有限公司 一种网络威胁情报文档实体关系提取方法及装置
CN113641696A (zh) * 2021-08-12 2021-11-12 北京百度网讯科技有限公司 一种虚假流量检测方法、装置、电子设备及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102608953B1 (ko) * 2018-09-06 2023-12-04 삼성전자주식회사 전자 장치 및 그의 제어방법
CN111611364B (zh) * 2020-05-15 2023-08-15 北京百度网讯科技有限公司 一种智能应答方法、装置、设备及存储介质
CN114661869A (zh) * 2022-04-08 2022-06-24 政采云有限公司 一种检索字词的方法、装置及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104484339A (zh) * 2014-11-21 2015-04-01 百度在线网络技术（北京）有限公司 一种相关实体推荐方法和系统
CN104503978A (zh) * 2014-11-26 2015-04-08 百度在线网络技术（北京）有限公司 一种相关实体推荐方法和系统
US9177553B1 (en) * 2013-06-25 2015-11-03 Google Inc. Identifying underserved command inputs
CN108388650A (zh) * 2018-02-28 2018-08-10 百度在线网络技术（北京）有限公司 基于需求的搜索处理方法、装置和智能设备

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02153474A (ja) * 1988-12-06 1990-06-13 Ricoh Co Ltd 不要語辞書作成装置
US6946715B2 (en) * 2003-02-19 2005-09-20 Micron Technology, Inc. CMOS image sensor and method of fabrication
JP5060020B2 (ja) * 2004-10-29 2012-10-31 株式会社エヌ・ティ・ティ・ドコモ コンテンツ発見装置
US20130104251A1 (en) * 2005-02-01 2013-04-25 Newsilike Media Group, Inc. Security systems and methods for use with structured and unstructured data
TWI270789B (en) * 2005-03-03 2007-01-11 Via Tech Inc Method for automatically installing software program
US8221242B2 (en) * 2005-10-14 2012-07-17 Leviathan Entertainment, Llc Products and processes for providing a video game incorporating venture capital funding
US20120004038A1 (en) * 2006-02-14 2012-01-05 Andrew Van Luchene Favor tracking in a social game environment
US9101279B2 (en) * 2006-02-15 2015-08-11 Virtual Video Reality By Ritchey, Llc Mobile user borne brain activity data and surrounding environment data correlation system
US11336926B2 (en) * 2007-12-05 2022-05-17 Sony Interactive Entertainment LLC System and method for remote-hosted video game streaming and feedback from client on received frames
US10276170B2 (en) * 2010-01-18 2019-04-30 Apple Inc. Intelligent automated assistant
EP2531969A4 (en) * 2010-02-01 2013-12-04 Jumptap Inc INTEGRATED ADVERTISING SYSTEM
US20110208730A1 (en) * 2010-02-23 2011-08-25 Microsoft Corporation Context-aware searching
US20110230258A1 (en) * 2010-03-16 2011-09-22 Andrew Van Luchene Computer Controlled Video Game Incorporating Constraints
US11222052B2 (en) * 2011-02-22 2022-01-11 Refinitiv Us Organization Llc Machine learning-based relationship association and related discovery and
US11386096B2 (en) * 2011-02-22 2022-07-12 Refinitiv Us Organization Llc Entity fingerprints
US9320968B1 (en) * 2011-05-24 2016-04-26 Zynga Inc. Online game with matching of different data types
US20120317088A1 (en) * 2011-06-07 2012-12-13 Microsoft Corporation Associating Search Queries and Entities
US11195057B2 (en) * 2014-03-18 2021-12-07 Z Advanced Computing, Inc. System and method for extremely efficient image and pattern recognition and artificial intelligence platform
US8311973B1 (en) * 2011-09-24 2012-11-13 Zadeh Lotfi A Methods and systems for applications for Z-numbers
SG11201402943WA (en) * 2011-12-06 2014-07-30 Perception Partners Inc Text mining analysis and output system
US20140172564A1 (en) * 2012-12-17 2014-06-19 Facebook, Inc. Targeting objects to users based on queries in an online system
US20140236570A1 (en) * 2013-02-18 2014-08-21 Microsoft Corporation Exploiting the semantic web for unsupervised spoken language understanding
US20180053114A1 (en) * 2014-10-23 2018-02-22 Brighterion, Inc. Artificial intelligence for context classifier
US9892208B2 (en) * 2014-04-02 2018-02-13 Microsoft Technology Licensing, Llc Entity and attribute resolution in conversational applications
CN104102713B (zh) * 2014-07-16 2018-01-19 百度在线网络技术（北京）有限公司 推荐结果的展现方法和装置
US10353543B2 (en) * 2014-09-08 2019-07-16 Mako Capital, Llc Method and system for presenting and operating a skill-based activity
US20160317933A1 (en) * 2015-05-01 2016-11-03 Lucidlogix Technologies Ltd. Automatic game support content generation and retrieval
US20160328443A1 (en) * 2015-05-06 2016-11-10 Vero Analytics, Inc. Knowledge Graph Based Query Generation
WO2017100356A1 (en) * 2015-12-07 2017-06-15 Data4Cure, Inc. A method and system for ontology-based dynamic learning and knowledge integration from measurement data and text
US11122074B2 (en) * 2016-10-03 2021-09-14 Telepathy Labs, Inc. System and method for omnichannel social engineering attack avoidance
US10296586B2 (en) * 2016-12-23 2019-05-21 Soundhound, Inc. Predicting human behavior by machine learning of natural language interpretations
US10311050B2 (en) * 2017-01-23 2019-06-04 International Business Machines Corporation Crowdsourced discovery of paths in a knowledge graph
WO2018176017A1 (en) * 2017-03-24 2018-09-27 Revealit Corporation Method, system, and apparatus for identifying and revealing selected objects from video
US10839154B2 (en) * 2017-05-10 2020-11-17 Oracle International Corporation Enabling chatbots by detecting and supporting affective argumentation
US10896222B1 (en) * 2017-06-28 2021-01-19 Amazon Technologies, Inc. Subject-specific data set for named entity resolution
WO2019070351A1 (en) * 2017-10-03 2019-04-11 Fanmountain Llc SYSTEMS, DEVICES AND METHODS USING THE SAME TO ENHANCE THE COMMITMENT OF A PUBLIC IN COMPETITION OR PERFORMANCE
WO2019113308A1 (en) * 2017-12-05 2019-06-13 Franchitti Jean Claude Active adaptation of networked compute devices using vetted reusable software components
JP7258047B2 (ja) * 2018-05-09 2023-04-14 オラクル・インターナショナル・コーポレイション 収束質問に対する回答を改善するための仮想談話ツリーの構築
US11455494B2 (en) * 2018-05-30 2022-09-27 Oracle International Corporation Automated building of expanded datasets for training of autonomous agents
US11625620B2 (en) * 2018-08-16 2023-04-11 Oracle International Corporation Techniques for building a knowledge graph in limited knowledge domains
KR101935585B1 (ko) * 2018-10-02 2019-04-05 넷마블 주식회사 게임 커맨드 인식 방법 및 장치
US11321536B2 (en) * 2019-02-13 2022-05-03 Oracle International Corporation Chatbot conducting a virtual social dialogue
US11031009B2 (en) * 2019-04-10 2021-06-08 Hitachi, Ltd. Method for creating a knowledge base of components and their problems from short text utterances
US11526808B2 (en) * 2019-05-29 2022-12-13 The Board Of Trustees Of The Leland Stanford Junior University Machine learning based generation of ontology for structural and functional mapping
US20210173874A1 (en) * 2019-12-04 2021-06-10 Microsoft Technology Licensing, Llc Feature and context based search result generation
CN111091006B (zh) 2019-12-20 2023-08-29 北京百度网讯科技有限公司 一种实体意图体系的建立方法、装置、设备和介质
CN111274815B (zh) 2020-01-15 2024-04-12 北京百度网讯科技有限公司 用于挖掘文本中的实体关注点的方法和装置
US11443731B2 (en) * 2020-04-09 2022-09-13 Rovi Guides, Inc. Systems and methods for generating synthesized speech responses to voice inputs by training a neural network model based on the voice input prosodic metrics and training voice inputs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9177553B1 (en) * 2013-06-25 2015-11-03 Google Inc. Identifying underserved command inputs
CN104484339A (zh) * 2014-11-21 2015-04-01 百度在线网络技术（北京）有限公司 一种相关实体推荐方法和系统
CN104503978A (zh) * 2014-11-26 2015-04-08 百度在线网络技术（北京）有限公司 一种相关实体推荐方法和系统
CN108388650A (zh) * 2018-02-28 2018-08-10 百度在线网络技术（北京）有限公司 基于需求的搜索处理方法、装置和智能设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HYUNWOO YOO; MINSEOK KANG; KYUNGWHAN OH: "A Semantic Search Model Using Word Embedding, POS Tagging, and Named Entity Recognition", 《2018 INTERNATIONAL CONFERENCE ON COMPUTATIONAL SCIENCE AND COMPUTATIONAL INTELLIGENCE (CSCI)》, 2 January 2020 (2020-01-02) *
何彬;李心宇;陈蓓蕾;夏盟;曾致中;: "基于属性关系深度挖掘的试题知识点标注模型", 南京信息工程大学学报(自然科学版), no. 06, 28 November 2019 (2019-11-28) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113515598A (zh) * 2021-06-22 2021-10-19 国网电子商务有限公司 一种网络威胁情报文档实体关系提取方法及装置
CN113515598B (zh) * 2021-06-22 2021-12-07 国网电子商务有限公司 一种网络威胁情报文档实体关系提取方法及装置
CN113641696A (zh) * 2021-08-12 2021-11-12 北京百度网讯科技有限公司 一种虚假流量检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
KR20210046600A (ko) 2021-04-28
US12105750B2 (en) 2024-10-01
US20210406299A1 (en) 2021-12-30
CN111813828B (zh) 2024-02-27
JP7300475B2 (ja) 2023-06-29
KR102600018B1 (ko) 2023-11-08
EP3822815A1 (en) 2021-05-19
JP2022003509A (ja) 2022-01-11

Similar Documents

Publication Publication Date Title
CN111813828A (zh) 一种实体关系挖掘方法、装置、电子设备及存储介质
CN111522967B (zh) 知识图谱构建方法、装置、设备以及存储介质
US20210209416A1 (en) Method and apparatus for generating event theme
EP3961476A1 (en) Entity linking method and apparatus, electronic device and storage medium
US20210209472A1 (en) Method and apparatus for determining causality, electronic device and storage medium
CN111091006B (zh) 一种实体意图体系的建立方法、装置、设备和介质
CN112650907A (zh) 搜索词的推荐方法、目标模型的训练方法、装置及设备
CN111783468A (zh) 文本处理方法、装置、设备和介质
CN112380847B (zh) 兴趣点处理方法、装置、电子设备及存储介质
CN111274353B (zh) 文本切词方法、装置、设备和介质
US20210209160A1 (en) Method and apparatus for identifying map region words
CN111563198B (zh) 一种物料召回方法、装置、设备及存储介质
CN111126063B (zh) 文本质量评估方法及装置
CN111291192B (zh) 知识图谱中三元组置信度计算方法和装置
CN111428489B (zh) 一种评论生成方法、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
CN112699314A (zh) 热点事件确定方法、装置、电子设备及存储介质
CN115688802B (zh) 文本风险检测方法及其装置
CN111680599A (zh) 人脸识别模型处理方法、装置、设备和存储介质
CN111522928A (zh) 一种知识抽取方法、装置、设备和介质
CN111984883B (zh) 标签挖掘方法、装置、设备以及存储介质
CN111523036B (zh) 一种搜索行为挖掘方法、装置和电子设备
CN111539225B (zh) 语义理解框架结构的搜索方法和装置
CN111414765B (zh) 句子一致性的判定方法、装置、电子设备及可读存储介质
CN112328807A (zh) 反作弊方法、装置、设备以及存储介质

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