CN114048304A - 有效关键词确定方法、装置、存储介质和电子设备 - Google Patents
有效关键词确定方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN114048304A CN114048304A CN202111249008.8A CN202111249008A CN114048304A CN 114048304 A CN114048304 A CN 114048304A CN 202111249008 A CN202111249008 A CN 202111249008A CN 114048304 A CN114048304 A CN 114048304A
- Authority
- CN
- China
- Prior art keywords
- processed
- word
- full name
- determining
- full
- 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 66
- 230000011218 segmentation Effects 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000004140 cleaning Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 150000001875 compounds Chemical class 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- 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
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种有效关键词确定方法和装置、及存储介质和电子设备,其中方法包括:通过获取待处理全称,将所述待处理全称进行分词处理,得到多个词元素,将所述多个词元素进行组合,得到多个组合词单元,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词。通过该方式能够高效、准确地获取全称对应的有效检索关键词,通过获取的有效关键词用户能够使用这些关键词检索出相应的全称信息,极大提升了用户体验的满意度。
Description
技术领域
本发明涉及数据处理技术领域,并且更具体地,涉及一种有效关键词确定方法、装置、存储介质和电子设备。
背景技术
在日常生活中,对于全称较长的名称,大部分用户会将其压缩成短的、简单的词语作为简称进行替代,那么在使用搜索引擎等进行搜索时,就可以将这些简称作为有效关键词轻松的检索出相应的公司信息。例如对于“中国石油天然气有限公司”,日常会称呼其简称“中石油”。
在传统方法中,通常采用人工整理或者基于文本规则挖掘的方式获取全称对应的简称,其中,人工整理的方式需要耗费大量人力资源,而基于文本规则挖掘的方式虽然在一定程度上减少人力资源的浪费,但是全称命名规则多种多样,基于文本规则挖掘的方式获取简称的准确率低。同时,若存在用户经常使用的非连续简称,但是用户无法使用这些简称检索出相应的公司信息,这会极大降低用户体验的满意度。
据此,如何能够高效、准确地获取全称对应的有效检索关键词是现有技术中所需要解决的技术问题。
发明内容
本发明要解决的问题如何获取全称对应的有效检索关键词。
为了解决上述诸如如何获取全称对应的有效检索关键词,使得用户能够通过有效关键词准确、轻松的检索出相应的全称的技术问题,提出了本发明。本发明的实施例提供了一种有效关键词确定方法和装置、及存储介质和电子设备。
根据本发明实施例的一个方面,提供了一种有效关键词确定方法,包括:
获取待处理全称;
将所述待处理全称进行分词处理,得到多个词元素;
将所述多个词元素进行组合,得到多个组合词单元;
按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词。
可选地,所述获取待处理全称具体包括:使用预先训练好的识别模型,对历史文本进行识别,得到所述待处理全称。
可选地,所述获取待处理全称具体包括:接收用户输入的待处理全称。
可选地,所述将所述待处理全称进行分词处理具体包括:将所述待处理全称中的一个字作为分词单元,按照分词单元对所述待处理全称进行分词。
可选地,所述将所述待处理全称进行分词处理具体包括:
确定所述待处理全称的类型;
根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理。
优选地,所述待处理全称的类型包括第一类型;
所述根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理,得到多个词元素,具体包括:根据所述第一类型确定第一类型全称命名规则,按照所述第一类型全称命名规则将所述待处理全称进行分词,得到多个词元素。
可选地,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词,具体包括:根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元,将所述符合预设条件的组合词单元作为有效关键词。
优选地,根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元具体包括:根据组合词单元出现在搜索日志的频率确定所述组合词单元是否符合预设条件,若所述组合词单元在搜索日志中出现的频率大于预设频率时,确定所述组合词单元符合预设条件。
优选地,根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元具体包括:根据组合词单元在预定时间段内出现在搜索日志中的次数确定所述组合词单元是否符合预设条件,若组合词单元在预定时间段内出现在搜索日志中的次数大于设定阈值,则确定所述组合词单元符合预设条件。
可选地,所述方法还包括:
将所述待处理全称与筛选出的所述待处理全称对应的有效关键词建立关联关系,并存入数据库中。
根据本发明实施例的另一个方面,提供了一种关键词推荐方法,包括:
获取用户输入的查询词;
确定所述查询词是否为数据库中存储的有效关键词;
若所述查询词是数据库中存储的有效关键词,则确定所述有效关键词对应的全称,并将所述全称展示给用户。
可选地,当所述有效关键词对应的全称为多个时,所述确定所述有效关键词对应的全称,并将所述全称展示给用户,具体包括:
确定所述有效关键词对应多个全称的优先级别;
按照所述优先级别将所述全称展示给用户。
根据本发明实施例的另一个方面,提供了一种有效关键词确定装置,包括:
获取单元,用于获取待处理名称;
处理单元,用于将所述待处理全称进行分词处理,得到多个词元素;
组合单元,用于将所述多个词元素进行组合,得到多个组合词单元;
确定单元,用于按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理名称对应的有效关键词。
根据本发明实施例的又一个方面,提供了一种电子设备,电子设备包括:存储器和处理器;所述存储器,用于存储所述处理器可执行指令;处理器,用于从存储器中读取可执行指令,并执行指令以实现本发明上述任一实施例所述的有效关键词确定方法。
根据本发明实施例的又一个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行本发明上述任一实施例所述的有效关键词确定方法。
基于本发明上述实施例提供的有效关键词确定方法和装置、及存储介质和电子设备,通过获取待处理全称,将所述待处理全称进行分词处理,得到多个词元素,将所述多个词元素进行组合,得到多个组合词单元,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词。通过该方式能够高效、准确地获取全称对应的有效检索关键词,通过获取的有效关键词用户能够使用这些关键词检索出相应的全称信息,极大提升了用户体验的满意度。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本发明一示例性实施例提供的有效关键词确定方法的流程示意图;
图2是本发明一示例性实施例提供的关键词推荐方法的流程示意图;
图3是本发明一示例性实施例提供的有效关键词确定装置的结构示意图;
图4是本发明一示例性实施例提供的电子设备的结构示意图。
具体实施方式
下面,将参考附图详细地描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本发明实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本发明实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本发明中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本发明中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本发明对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1是本发明一示例性实施例提供的有效关键词确定方法的流程示意图。如图1所示,有效关键词确定方法100包括以下步骤:
步骤101,获取待处理全称。
在本实施例中,可选地,获取待处理全称具体包括:使用预先训练好的识别模型,对历史文本进行识别,得到待处理全称。
作为一个实施例,待处理全称可以是各种类型的公司或企业全称,还可以是某个地理位置信息。
优选地,本步骤中的识别模型可以说实体识别模型,也可以是全称识别模型,在此不作限定。
具体的,使用预先训练好的实体识别模型,对历史文本中进行识别,得到待处理全称。
例如,使用实体识别模型对历史文本进行实体识别,得到历史文本中的待处理全称为中国工商银行股份有限公司。
需要说明的是,所述识别模型是预先训练好的,训练的方法包括:
根据不同的历史文本,根据预设的待处理全称对多个历史文本进行标注,得到待处理全称语料库;根据所述待处理全称语料库,训练所述识别模型。
可以通过人工标注的方法对待处理全称进行标注,然后对已经标注好的待处理全称进行机器学习得到标注模型,使用所述标注模型自动对其它待处理全称进行标注,最终得到待处理全称语料库。然后根据所述语料库,通过机器学习训练成可以用于名称识别的模型,即所述名称识别模型。
通过上述方式,确保了获取到待处理全称的准确性和完整性。
在本实施例中,可选地,获取待处理全称具体包括:接收用户输入的待处理全称。
步骤102,将所述待处理全称进行分词处理,得到多个词元素。
在本实施例中,可选地,将所述待处理全称进行分词处理具体包括:将所述待处理全称中的一个字作为分词单元,按照分词单元对所述待处理全称进行分词。
作为一个实施例,具体的,以待处理全称为“中国卫星通信大厦”为例,对待处理全称进行分词处理,得到多个词元素分别为:“中”、“国”、“卫”、“星”、“通”、“信”、“大”以及“厦”。
在本实施例中,可选地,将所述待处理全称进行分词处理具体包括:
确定所述待处理全称的类型;
根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理。
作为一个实施例,优选地,所述待处理全称的类型包括第一类型;
所述根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理,得到多个词元素,具体包括:根据所述第一类型确定第一类型全称命名规则,按照所述第一类型全称命名规则将所述待处理全称进行分词,得到多个词元素。
优选地,第一类型至少包括公司类型;
其中,所述根据所述第一类型确定第一类型全称命名规则,按照所述第一类型全称命名规则将所述待处理全称进行分词,得到多个词元素,具体包括:根据所述公司类型确定公司全称命名规则,按照所述公司全称命名规则将所述待处理全称进行分词,得到包括行政区划名称、字号、行业和组织形式的多个词元素。
作为一个实施例,具体的,一个公司的公司全称有具体的命名规则,所述命名规则包括但不限于:行政区划名称(地区、地区级别)、字号、行业、组织形式等。以待处理全称为“东莞市宏庆电子科技有限公司”为例,东莞市宏庆电子科技有限公司按照公司命名规则可以划分得到多个词元素为:东莞(地区)、市(地区级别)、宏庆(字号)、电子科技(行业)和有限公司(组织形式)。以待处理全称为“腾讯征信有限公司”为例,对待处理全称进行分词处理,得到多个词元素分别为:“腾讯”、“征信”、“有限”、“公司”。
步骤103,将所述多个词元素进行组合,得到多个组合词单元。
在本实施例中,可选地,将所述多个词元素进行组合具体包括:根据所述待处理全称的类型确定组合规则,按照确定的组合规则,将所述多个词元素进行组合。
在本实施例中,可选地,将所述多个词元素进行组合具体包括:根据所述待处理全称的词元素个数确定组合规则,按照确定的组合规则,将所述多个词元素进行组合。
优选地,组合方式可以按照顺序遍历进行排列组合。
优选地,根据所述待处理全称的词元素个数确定组合规则具体包括:若待处理全称的词元素个数为8,则组合得到组合词单元的词元素阈值为第一预设值;其中第一预设值为2;
优选地,若待处理全称的类型为第一类型,第一类型至少包括公司类型;
其中,根据所述待处理全称的类型确定组合规则具体包括:根据所述公司类型确定公司简称组合规则。
公司简称组合方式包括:行政区划名称、字号、行业和组织形式
第一种方式:获取行政区划名称对应的词元素的首字和行业对应的词元素的尾字,根据行政区划名称对应的词元素的首字、字号、行业对应的词元素的尾字进行组合;
例如,对一公司的公司全称进行分词得到的词元素为AB(地区)和CD(行业),那么提取地区的首字A和行业的尾字D,然后根据地区->字号->行业的顺序进行组合,得到组合词单元为“A字号D”。
第二种方式:将行政区划名称的首字和字号中的词元素分别进行组合;
例如,对于公司全称为EFGH股份有限公司(其中EF为地区,GH为字号)的公司,将行政区划名称的首字和字号中的词元素分别进行组合得到“EG”和“EH”这两个组合词单元。
第三种方式:根据行政区划名称、字号、行业对应词元素进行组合;
第四种方式:根据字号、行业对应词元素进行组合;
作为一个实施例,具体的,以待处理全称为“中国卫星通信大厦”为例,对待处理全称进行分词处理,得到多个词元素分别为:“中”、“国”、“卫”、“星”、“通”、“信”、“大”以及“厦”;将这些词元素进行组合,得到多个组合词单元“中国”、“中卫”、“中星”、“中通”、“中信”、“中大”、“中厦”、“国卫”、“国星”、“国通”、“国信”、“国大”、“国厦”、“卫星”、“卫通”、“卫信”、“卫大”、“卫厦”、“星通”、“星信”、“星大”、“星厦”、“通信”、“通大”、“通厦”、“信大”、“信厦”、“大厦”;
以待处理全称为“腾讯征信有限公司”为例,对待处理全称进行分词处理,得到多个词元素分别为:“腾讯”、“征信”、“有限”、“公司”。将“腾讯”、“征信”、“有限”、“公司”词元素进行组合,得到多个组合词单元为“腾讯”、“滕征”、“腾信”、“腾有”、“腾司”。
步骤104,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词。
在本实施例中,可选地,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词,具体包括:根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元,将所述符合预设条件的组合词单元作为有效关键词。
具体的,根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元具体包括:根据组合词单元出现在搜索日志的频率,对组合词单元进行清洗,当所述组合词单元在搜索日志中出现的频率小于预设频率时,判定所述组合词单元为无效关键词,需要将其排除。
具体的,根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元具体包括:根据组合词单元在预定时间段内出现在搜索日志中的次数对组合词单元进行筛选,即组合词单元在预定时间段内出现在搜索日志中的次数少于设定阈值,则判定所述组合词单元为无效关键词,需要将其排除。
在一优选的实施方式中,所述“符合预设条件的组合词单元”是指:在预定时间段内,在所述搜索引擎的搜索日志出现的次数大于设定阈值的组合词单元,或者,在搜索日志中出现的频率大于预设频率的组合词单元。
在本实施例中,所述方法还包括:将待处理全称与筛选出的待处理全称对应的有效关键词建立关联关系,并存入数据库中。
在一优选的实施方式中,所述待处理全称与有效关键词的关联关系可以是一对多,也可以是一对一;所述有效关键词与待处理全称的关联关系可以是一对多,也可以是一对一;也就是说,一个待处理全称可以有多个有效关键词,也可以仅有一个有效关键词,一个有效关键词可以与一个待处理全称对应,也可以与多个待处理全称对应。
图2是本发明一示例性实施例提供的关键词推荐方法的流程示意图。
如图2所示,关键词推荐方法200包括以下步骤:
步骤201,获取用户输入的查询词;
步骤202,确定所述查询词是否为数据库中存储的有效关键词;
步骤203,若所述查询词是数据库中存储的有效关键词,则确定所述有效关键词对应的全称,并将所述全称展示给用户。
在本实施例中,可选地,其中,所述有效关键词对应的全称为多个;
所述确定所述有效关键词对应的全称,并将所述全称展示给用户,具体包括:
确定所述有效关键词对应多个全称的优先级别;
按照所述优先级别将所述全称展示给用户。
本发明所提出的有效关键词确定方法,从待处理全称(例如,公司全称)的角度出发,将待处理全称进行分词处理,得到多个词元素,将得到的多个词元素进行组合,得到多个组合词单元,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词。并且,将待处理全称与筛选出的待处理全称对应的有效关键词建立关联关系,并存入数据库中,以便于为后期用户的搜索提供有限关键词对应的全称信息。进一步的,本发明还提出一种关键词推荐方法,获取用户输入的查询词,通过存储有效关键词与全称对应关系的数据库确定查询词对应的全称,并将全称展示给用户。通过该方式能够高效、准确地获取全称对应的有效检索关键词,通过获取的有效关键词用户能够使用这些关键词检索出相应的全称信息,极大提升了用户体验的满意度。
示例性装置
图3是本发明一示例性实施例提供的有效关键词确定装置的结构示意图。如图3所示,有效关键词确定装置300包括:
获取单元301,用于获取待处理名称;
处理单元302,用于将所述待处理全称进行分词处理,得到多个词元素;
组合单元303,用于将所述多个词元素进行组合,得到多个组合词单元;
确定单元304,用于按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理名称对应的有效关键词。
优选地,获取单元301具体用于使用预先训练好的识别模型,对历史文本进行识别,得到所述待处理全称。
优选地,获取单元301具体用于接收用户输入的待处理全称。
优选地,处理单元302具体用于将所述待处理全称中的一个字作为分词单元,按照分词单元对所述待处理全称进行分词。
优选地,处理单元302具体包括:第一处理子单元,用于确定所述待处理全称的类型;第二处理子单元,用于根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理。
进一步优选地,所述待处理全称的类型包括第一类型;第二处理子单元具体用于根据所述第一类型确定第一类型全称命名规则,按照所述第一类型全称命名规则将所述待处理全称进行分词,得到多个词元素。
优选地,确定单元304具体用于根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元,将所述符合预设条件的组合词单元作为有效关键词。
优选地,有效关键词确定装置300还包括:建立单元,用于将所述待处理全称与筛选出的所述待处理全称对应的有效关键词建立关联关系,并存入数据库中。
本发明的实施例的有效关键词确定装置300与本发明的另一个实施例的有效关键词确定方法100相对应,在此不再赘述。
示例性电子设备
图4是本发明一示例性实施例提供的电子设备的结构。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。图4图示了根据本公开实施例的电子设备的框图。如图4所示,电子设备包括一个或多个处理器41和存储器42。
处理器41可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备中的其他组件以执行期望的功能。
存储器42可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器41可以运行所述程序指令,以实现上文所述的本公开的各个实施例的有效关键词确定方法以及/或者其他期望的功能。在一个示例中,电子设备还可以包括:输入装置43和输出装置44,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置43还可以包括例如键盘、鼠标等等。
该输出装置44可以向外部输出各种信息。该输出设备44可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图4中仅示出了该电子设备中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的有效关键词确定方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的有效关键词确定方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、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。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。
以上结合具体实施例描述了本公开的基本原理,但是,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (15)
1.一种有效关键词确定方法,其特征在于,包括:
获取待处理全称;
将所述待处理全称进行分词处理,得到多个词元素;
将所述多个词元素进行组合,得到多个组合词单元;
按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理全称具体包括:使用预先训练好的识别模型,对历史文本进行识别,得到所述待处理全称。
3.根据权利要求1所述的方法,其特征在于,所述获取待处理全称具体包括:接收用户输入的待处理全称。
4.根据权利要求1所述的方法,其特征在于,所述将所述待处理全称进行分词处理具体包括:将所述待处理全称中的一个字作为分词单元,按照分词单元对所述待处理全称进行分词。
5.根据权利要求1所述的方法,其特征在于,所述将所述待处理全称进行分词处理具体包括:
确定所述待处理全称的类型;
根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理。
6.根据权利要求5所述的方法,其特征在于,所述待处理全称的类型包括第一类型;
所述根据所述待处理全称的类型确定分词规则,按照确定的分词规则,将所述待处理全称进行分词处理,得到多个词元素,具体包括:根据所述第一类型确定第一类型全称命名规则,按照所述第一类型全称命名规则将所述待处理全称进行分词,得到多个词元素。
7.根据权利要求1所述的方法,其特征在于,按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理全称对应的有效关键词,具体包括:根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元,将所述符合预设条件的组合词单元作为有效关键词。
8.根据权利要求7所述的方法,其特征在于,根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元具体包括:根据组合词单元出现在搜索日志的频率确定所述组合词单元是否符合预设条件,若所述组合词单元在搜索日志中出现的频率大于预设频率时,确定所述组合词单元符合预设条件。
9.根据权利要求7所述的方法,其特征在于,根据网站搜索日志确定所述多个组合词单元中符合预设条件的组合词单元具体包括:根据组合词单元在预定时间段内出现在搜索日志中的次数确定所述组合词单元是否符合预设条件,若组合词单元在预定时间段内出现在搜索日志中的次数大于设定阈值,则确定所述组合词单元符合预设条件。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述待处理全称与筛选出的所述待处理全称对应的有效关键词建立关联关系,并存入数据库中。
11.一种关键词推荐方法,其特征在于,所述方法还包括:
获取用户输入的查询词;
确定所述查询词是否为数据库中存储的有效关键词;
若所述查询词是数据库中存储的有效关键词,则确定所述有效关键词对应的全称,并将所述全称展示给用户。
12.根据权利要求11所述的方法,其特征在于,所述有效关键词对应的全称为多个;
所述确定所述有效关键词对应的全称,并将所述全称展示给用户,具体包括:
确定所述有效关键词对应多个全称的优先级别;
按照所述优先级别将所述全称展示给用户。
13.一种有效关键词确定装置,其特征在于,包括:
获取单元,用于获取待处理名称;
处理单元,用于将所述待处理全称进行分词处理,得到多个词元素;
组合单元,用于将所述多个词元素进行组合,得到多个组合词单元;
确定单元,用于按照预设的清洗规则,从所述多个组合词单元中筛选出所述待处理名称对应的有效关键词。
14.一种电子设备,其特征在于,所述电子设备包括:处理器和存储器;其中,
所述存储器,用于存储所述处理器可执行指令;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-12中任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-12中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249008.8A CN114048304A (zh) | 2021-10-26 | 2021-10-26 | 有效关键词确定方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111249008.8A CN114048304A (zh) | 2021-10-26 | 2021-10-26 | 有效关键词确定方法、装置、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114048304A true CN114048304A (zh) | 2022-02-15 |
Family
ID=80205859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111249008.8A Pending CN114048304A (zh) | 2021-10-26 | 2021-10-26 | 有效关键词确定方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114048304A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050004902A1 (en) * | 2003-07-02 | 2005-01-06 | Oki Electric Industry Co., Ltd. | Information retrieving system, information retrieving method, and information retrieving program |
CN104915333A (zh) * | 2014-03-10 | 2015-09-16 | 中国移动通信集团设计院有限公司 | 一种生成关键字组合策略的方法及装置 |
CN109635285A (zh) * | 2018-11-26 | 2019-04-16 | 平安科技(深圳)有限公司 | 企业全称与简称匹配方法、装置、计算机设备和存储介质 |
CN111782975A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种检索方法、装置和电子设备 |
CN112199588A (zh) * | 2020-09-30 | 2021-01-08 | 深圳壹账通智能科技有限公司 | 舆情文本筛选方法及装置 |
CN112445959A (zh) * | 2019-08-15 | 2021-03-05 | 北京京东尚科信息技术有限公司 | 检索方法、检索装置、计算机可读介质及电子设备 |
WO2021135319A1 (zh) * | 2020-01-02 | 2021-07-08 | 苏宁云计算有限公司 | 基于深度学习的文案生成方法、装置及电子设备 |
-
2021
- 2021-10-26 CN CN202111249008.8A patent/CN114048304A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050004902A1 (en) * | 2003-07-02 | 2005-01-06 | Oki Electric Industry Co., Ltd. | Information retrieving system, information retrieving method, and information retrieving program |
CN104915333A (zh) * | 2014-03-10 | 2015-09-16 | 中国移动通信集团设计院有限公司 | 一种生成关键字组合策略的方法及装置 |
CN109635285A (zh) * | 2018-11-26 | 2019-04-16 | 平安科技(深圳)有限公司 | 企业全称与简称匹配方法、装置、计算机设备和存储介质 |
CN112445959A (zh) * | 2019-08-15 | 2021-03-05 | 北京京东尚科信息技术有限公司 | 检索方法、检索装置、计算机可读介质及电子设备 |
WO2021135319A1 (zh) * | 2020-01-02 | 2021-07-08 | 苏宁云计算有限公司 | 基于深度学习的文案生成方法、装置及电子设备 |
CN111782975A (zh) * | 2020-06-28 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种检索方法、装置和电子设备 |
CN112199588A (zh) * | 2020-09-30 | 2021-01-08 | 深圳壹账通智能科技有限公司 | 舆情文本筛选方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈国青等: "《新兴技术背景下的机遇与挑战》", 30 November 2011, 同济大学出版社, pages: 480 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8452772B1 (en) | Methods, systems, and articles of manufacture for addressing popular topics in a socials sphere | |
US9251248B2 (en) | Using context to extract entities from a document collection | |
US20100005083A1 (en) | Frequency based keyword extraction method and system using a statistical measure | |
US9990359B2 (en) | Computer-based analysis of virtual discussions for products and services | |
US20180300323A1 (en) | Multi-Factor Document Analysis | |
US10528609B2 (en) | Aggregating procedures for automatic document analysis | |
CN113906445A (zh) | 上下文感知数据挖掘 | |
CN110276009B (zh) | 一种联想词的推荐方法、装置、电子设备及存储介质 | |
CN113986864A (zh) | 日志数据处理方法、装置、电子设备及存储介质 | |
US8600985B2 (en) | Classifying documents according to readership | |
CN111881183A (zh) | 企业名称匹配方法和装置、以及存储介质和电子设备 | |
US20150205826A1 (en) | Caching of deep structures for efficient parsing | |
CN111737607B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
US11676231B1 (en) | Aggregating procedures for automatic document analysis | |
US11694025B2 (en) | Cognitive issue description and multi-level category recommendation | |
CN112487181B (zh) | 关键词确定方法和相关设备 | |
CN110555212A (zh) | 基于自然语言处理的文档校验方法、装置和电子设备 | |
CN114048304A (zh) | 有效关键词确定方法、装置、存储介质和电子设备 | |
Chan et al. | Enhancing classification effectiveness of Chinese news based on term frequency | |
US11899910B2 (en) | Multi-location copying and context based pasting | |
US20230368510A1 (en) | Image grounding with modularized graph attentive networks | |
CN112287101B (zh) | 信息处理方法、装置和计算机设备 | |
US20210073335A1 (en) | Methods and systems for semantic analysis of table content | |
CN117828322A (zh) | 数据处理方法、装置、设备、介质及产品 | |
CN114219012A (zh) | 样本数据处理的方法、装置、计算机程序产品和存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230801 Address after: Room 404-405, 504, Building B-17-1, Big data Industrial Park, Kecheng Street, Yannan High tech Zone, Yancheng, Jiangsu Province, 224000 Applicant after: Yancheng Tianyanchawei Technology Co.,Ltd. Address before: 224000 room 501-503, building b-17-1, Xuehai road big data Industrial Park, Kecheng street, Yannan high tech Zone, Yancheng City, Jiangsu Province Applicant before: Yancheng Jindi Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |