CN115759100A - 数据处理方法、装置、设备及介质 - Google Patents
数据处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115759100A CN115759100A CN202211493507.6A CN202211493507A CN115759100A CN 115759100 A CN115759100 A CN 115759100A CN 202211493507 A CN202211493507 A CN 202211493507A CN 115759100 A CN115759100 A CN 115759100A
- Authority
- CN
- China
- Prior art keywords
- data
- entity
- analyzed
- keyword
- rule
- 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种数据处理方法、装置、设备及介质,涉及计算机技术领域,尤其涉及数据处理、大数据领域。实现方案为:获取至少一个待分析数据;获取至少一个预设规则;基于至少一个预设规则中的每个实体关键词,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签;基于至少一个待分析数据中每个待分析数据的至少一个实体标签,对至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及数据处理、大数据领域,具体涉及一种数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
对行业/品牌/产品的分析和洞察,贯穿于营销动作的投放前、投放中和投放后。投放前,可以分析行业趋势、品牌趋势,探索潜在的投放空间;投放中,可以根据行业/品牌洞察结果,圈选相应的目标人群进行定向投放;投放后,可以进一步分析品牌走势变化,从而对投放后效果进行衡量和归因。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种数据处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种数据处理方法,包括:获取至少一个待分析数据,其中,待分析数据包括用户搜索文本和网页标题中的至少一者;获取至少一个预设规则,其中,至少一个预设规则中的每个预设规则包括至少一个实体关键词;基于至少一个预设规则中的每个实体关键词,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签,其中,至少一个实体标签中的每个实体标签与所匹配到的实体关键词相应;基于至少一个待分析数据中每个待分析数据的至少一个实体标签,对至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
根据本公开的另一方面,提供了一种数据处理装置,包括:第一获取单元,被配置为获取至少一个待分析数据,其中,待分析数据包括用户搜索文本和网页标题中的至少一者;第二获取单元,被配置为获取至少一个预设规则,其中,至少一个预设规则中的每个预设规则包括至少一个实体关键词;匹配单元,被配置为基于至少一个预设规则中的每个实体关键词,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签,其中,至少一个实体标签中的每个实体标签与所匹配到的实体关键词相应;聚合单元,被配置为基于至少一个待分析数据中每个待分析数据的至少一个实体标签,对至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及分析单元,被配置为基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述数据处理方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述数据处理方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述数据处理方法。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的数据处理方法的流程图;
图3示出了根据本公开的实施例的数据处理方法的流程图;
图4示出了根据本公开的实施例的数据处理装置的结构框图;
图5示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,针对目标行业进行如行业趋势分析、消费者意图分析、品牌竞争分析、消费者决策分析等业务数据分析时,通常需要首先构建专用于该目标行业的实体识别模型,从而对该行业下的行业类目、细分市场等实体进行识别。模型构建过程中,往往需要人工进行大量的数据标注,模型也需要进行多次迭代,模型构建周期较长,业务数据分析效率较低。
根据本公开的实施例,可以基于预先定义好的行业规则,对待分析数据进行关键词匹配,从而为每个待分析数据进行至少一个的实体标注;基于待分析数据与用户行为数据之间的关联关系,按照不同的实体标签维度进行数据统计分析,从而获得该行业的业务数据分析结果。由此,无需进行实体识别模型的训练,即可完成对该行业数据的分析,从而提升了行业业务数据分析的效率,节省了人工成本。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行上述数据处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来获取待分析数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据一些实施例,如图2所示,提供了一种数据处理方法,包括:步骤S201、获取至少一个待分析数据,其中,待分析数据包括用户搜索文本和网页标题中的至少一者;步骤S202、获取至少一个预设规则,其中,至少一个预设规则中的每个预设规则包括至少一个实体关键词;步骤S203、基于至少一个预设规则中的每个实体关键词,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签,其中,至少一个实体标签中的每个实体标签与所匹配到的实体关键词相应;步骤S204、基于至少一个待分析数据中每个待分析数据的至少一个实体标签,对至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及步骤S205、基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
根据本公开的实施例,可以基于预先定义好的行业规则,对待分析数据进行关键词匹配,从而为每个待分析数据进行至少一个的实体标注;基于待分析数据与用户行为数据之间的关联关系,按照不同的实体标签维度进行数据统计分析,从而获得该行业的业务数据分析结果。由此,无需进行实体识别模型的训练,即可完成对该行业数据的分析,从而提升了行业业务数据分析的效率,节省了人工成本。
在一些实施例中,待分析数据可以是用户搜索文本和网页标题中的至少一者。
在一些实施例中,用户搜索文本可以是用户输入到搜索引擎中的搜索请求文本。网页标题可以包括互联网中任意一个URL(Uniform Resoure Locator,统一资源定位符)地址所指向的资源(例如网页、视频、图片等)的标题信息。
在一些实施例中,可以基于能够获取到的全量搜索请求文本和网页标题,进行关键词匹配和数据标注。
在一些实施例中,也可以在进行待分析数据的标注之前,首先对待分析数据进行范围上的圈定。
在一些实施例中,至少一个待分析数据中用户搜索文本的获取可以包括:获取多个第一用户搜索文本;对多个第一用户搜索文本中每个第一用户搜索文本进行行业类别预测,以确定每个第一用户搜索文本所属的行业类别;以及获取多个第一用户搜索文本中行业类别为目标行业类别的至少一个用户搜索文本,以作为至少一个待分析数据中的至少一个用户搜索文本。
由此,在进行实体标注前,对待分析数据中的用户搜索文本进行筛选和范围圈定,从而在初始阶段对数据进行筛选,避免不必要的计算,节省计算资源,提升分析效率。
在一些实施例中,可以对全量的用户搜索文本中的每个用户搜索文本进行行业类别预测,从而将其中相应于目标行业的用户搜索文本筛选出来,以作为待分析数据。
在一些实施例中,可以对预设时间范围内的全量的用户搜索文本中的每个用户搜索文本进行行业类别预测,从而将其中相应于目标行业的用户搜索文本筛选出来,以作为待分析数据。由此,可以保证待分析数据的时效性。
在一些实施例中,可以通过对比,从而确定每日的新增用户搜索文本,从而仅对新增用户搜索文本进行行业类别预测将其中相应于目标行业的用户搜索文本筛选出来,以作为待分析数据。由此,能够避免大量的重复计算,节省了计算资源,提升了计算效率。
在一些实施例中,上述行业类别预测例如可以基于一个经过预先训练的行业分类模型来实现。在一些实施例中,该模型例如可以基于卷积神经网络构建,并可以通过标注了行业类别标签的样本文本进行训练。
在一些实施例中,也可以对用户搜索文本的形式进行规定,以对用户搜索文本进行筛选。例如,可以将用户搜索文本的形式定义为“包含‘车辆’的用户搜索文本”、“包含‘品牌A’的用户搜索文本”等。
在一些实施例中,至少一个待分析数据中网页标题的获取可以包括:获取至少一个目标站点,至少一个目标站点中每个目标站点的内容类别与目标行业类别相应;以及提取至少一个目标站点中每个网页所包含的网页标题,以作为至少一个待分析数据中的至少一个网页标题。
由此,在进行实体标注前,对待分析数据中的网页标题进行筛选和范围圈定,从而在初始阶段对数据进行筛选,避免不必要的计算,节省计算资源,提升分析效率。
在一些实施例中,可以首先获取目标行业类别下的一个或多个目标网站,并提取上述目标网站中的每个URL地址所指向的资源的标题信息(即网页标题),从而实现对网页标题这类待分析数据的范围圈定。
在一些实施例中,在确定至少一个待分析数据后,可以进一步获取至少一个预设规则。
在一些实施例中,至少一个预设规则可以均是面向同一目标行业的预设规则,并且上述预设规则可以构成一个该目标行业相应的规则集。其中,每个预设规则包括一个主题名称以及与该主题名称相应的至少一个实体关键词。
在一些实施例中,至少一个实体关键词可以被进一步划分为短语匹配关键词、精确匹配关键词等。在一些实施例中,可以针对不同的实体关键词类型应用不同的关键词匹配方法。
示例性的,一个预设规则可以为:{"加湿器":{"短语匹配关键词":["加湿器"],"精确匹配关键词":[],"否定关键词":[]},"除湿机":{"短语匹配关键词":["除湿机"],"精确匹配关键词":[],"否定关键词":[]},"key":"细分市场","净化器":{"短语匹配关键词":["净化器"],"精确匹配关键词":[],"否定关键词":[]}}。
其中,该预设规则的主题名称为“细分市场”,该预设规则中的多个细分市场实体标签包括“加湿器”、“除湿机”和“净化器”,并且分别对每个实体标签定义了相应的短语匹配关键词和精确匹配关键词。
在一些实施例中,针对短语匹配关键词例如可以通过语义匹配方式进行关键词匹配。其中,语义匹配是指,分别将短语匹配关键词和待分析数据输入到预训练的语言模型中,并获取各自相应的语义编码,响应于两个语义编码之间的相似度小于预设相似度阈值时,则认为待分析数据与该短语匹配关键词匹配,则可以将与该短语匹配关键词相应的实体标签标注在该待分析数据上。
在一些实施例中,针对精确匹配关键词例如可以通过字面匹配方式进行关键词匹配。其中,字面匹配例如可以基于Bag-of-words模型对精确匹配关键词和待分析数据中的多个分词进行编码表示,并进行匹配,当该待分析数据中的多个分词中存在与该关键词精确匹配的分词时,则可以将与该精确匹配关键词相应的实体标签标注在该待分析数据上。
在一些实施例中,多条预设规则可以分别对应不同的主题名称,并且多个主题名称之间存在实体上下级的关系。
在一些示例性实施例中,多个主题名称可以包括行业、细分市场、品牌、产品、关注点等。其中,品牌为产品的上级主题,细分市场为品牌的上级主题,行业为细分市场的上级主题。相应的,不同级别的实体规则中的各个实体标签也具有相应的上下级关系,例如,实体标签“品牌A”包括“产品a”、“产品b”、“产品c”等多个下级实体标签。
在一些实施例中,至少一个预设规则的数量可以为多个,至少一个预设规则中的第一规则和第二规则存在实体上下级关系,并且第一规则的实体类型为第二规则的实体类型的上级类型,确定该待分析数据的至少一个实体标签还包括:响应于该待分析数据的至少一个实体标签中包括相应于第二规则中实体关键词的实体标签,基于第一规则和第二规则的实体上下级关系,确定该待分析数据的与第一规则中相应实体关键词对应的实体标签。
在一些示例性实施例中,当对某个待分析数据进行关键词匹配时,仅匹配到了“产品a”这一实体标签,则可以基于上述实体上下级关系,将“产品a”的上级实体标签“品牌A”、“品牌A”的上级实体标签“细分产品1”以及“细分产品1”的上级实体标签“行业1”一并标注在该待分析数据上。由此,基于关键词之间的上下级关系,对待分析数据实现更加全面的实体标注,从而提升后续业务数据分析和统计的准确性和全面性。
在一些实施例中,至少一个预设规则中的第一预设规则中包括否定关键词,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签包括:基于第一预设规则中的每个实体关键词,对该待分析数据执行关键词匹配,以确定该待分析数据中的至少一个候选关键词;以及响应于至少一个候选关键词中包括否定关键词,筛除至少一个候选关键词中的相应关键词,以基于至少一个候选关键词中的剩余关键词确定该待分析数据的至少一个实体标签。
由此,通过在标注过程中,进行否定关键词的过滤,从而进一步提升实体标注的准确度。
在一些实施例中,其中的一个或多个预设规则中还可以包括否定关键词,在进行关键词匹配的过程中,在匹配到了相应关键词后,再基于否定关键词匹配对已匹配到的候选关键词进行筛选,从而避免了一些误标注的情况,进一步提升实体标注的准确度。
在一些实施例中,如图3所示,数据处理方法还可以包括:针对至少一个待分析数据中的每个待分析数据:步骤S301、对该待分析数据进行分词,以获得多个分词;步骤S302、对多个分词进行命名实体识别,以获取多个分词中每个分词的实体类型;以及步骤S303、响应于多个分词中的至少两个分词具有相同的实体类型,将至少两个分词标注为共现实体;步骤S304、响应于至少一个待分析数据中第一共现实体的统计概率大于预设概率阈值,第一共现实体中的第一分词不与至少一个预设规则中的实体关键词匹配,并且第一共现实体中的第二分词与至少一个预设规则中的实体关键词匹配,将第一分词作为实体关键词添加到第二分词相应的预设规则中,以更新至少一个预设规则;以及步骤S305、基于更新后的至少一个预设规则,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以更新该待分析数据的实体标签。
由此,基于待分析数据中出现的高共现实体,从而将初始规则集中未覆盖的关键词进行扩充,从而无需进行该行业的实体识别模型的训练,即可对目标行业的业务数据实现更加全面的挖掘和分析。
在一些实施例中,在进行待分析数据的实体标注过程中,还可以对其中的共现实体进行统计。其中,共现实体可以是在同一待分析数据中出现的具有相同命名实体类型的多个关键词,例如,一个用户搜索文本为“品牌A和品牌B的加湿器对比”,其中,对该用户搜索文本进行切词后,再对多个分词进行命名实体识别,其中“品牌A”和“品牌B”的命名实体类型均为“品牌”实体类型,则“品牌A”和“品牌B”及为一对共现实体。
在一些实施例中,可以对全部待分析数据中的与上述类似的共现实体进行概率统计,响应于某一共现实体的统计概率大于预设概率阈值,并且该共现实体中的一者或多者包含于规则集中,但是该共现实体中同时包含不属于规则集中的关键词,则可以将该关键词及相应的实体标签补充到相应的规则中。在一些实施例中,在补充了该实体标签之后,也可以进一步定义该实体标签的下级实体的规则。
其中,上述命名实体识别可以基于预训练的命名实体识别模型来进行。该命名实体识别模型不同于上述相关技术中提及的专用于目标行业的实体识别模型,而是各个行业通用的命名实体模型,因此无需基于不同目标行业的不同而另行训练。
随后,即可基于更新后的规则集,对上述待分析数据进行重新标注,从而获得各个待分析数据的更加完善的标注信息。
每个待分析数据均关联相应的用户行为数据,例如,对于用户搜索文本而言,其相关的用户行为数据可以包括用户ID、用户执行搜索的时间、地点、设备ID、用户搜索的上下文等;对于每个网页标题而言,其相关的用户行为数据可以包括观看该页面资源的用户ID、用户停留时间等。
基于上述标注后的待分析数据,可以将用户行为数据根据每个实体标签进行聚合,从而获得每个实体标签所关联的用户行为数据集合,进而即可基于该用户行为数据集合及相应的实体标签,基于相应的数据分析和统计方法,对用户行为数据进行统计分析,从而获得相应的业务数据分析结果。
可理解的,上述数据分析和统计方法可以基于实际需要自行确定,例如可以包括行业趋势分析、消费者意图分析、品牌竞争分析、消费者决策分析等,在此不做限制。
在一些实施例中,如图4所示,提供了一种数据处理装置400,装置400包括:第一获取单元410,被配置为获取至少一个待分析数据,其中,待分析数据包括用户搜索文本和网页标题中的至少一者;第二获取单元420,被配置为获取至少一个预设规则,其中,至少一个预设规则中的每个预设规则包括至少一个实体关键词;匹配单元430,被配置为基于至少一个预设规则中的每个实体关键词,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签,其中,至少一个实体标签中的每个实体标签与所匹配到的实体关键词相应;聚合单元440,被配置为基于至少一个待分析数据中每个待分析数据的至少一个实体标签,对至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及分析单元450,被配置为基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
其中,数据处理装置400中的单元410-单元450所执行的操作与上述数据处理方法中的步骤S201~步骤S205的操作类似,在此不做赘述。
在一些实施例中,数据处理装置还可以包括:执行单元,被配置为针对至少一个待分析数据中的每个待分析数据,执行下述子单元的操作,执行单元包括:分词子单元,被配置为对该待分析数据进行分词,以获得多个分词;识别子单元,被配置为对多个分词进行命名实体识别,以获取多个分词中每个分词的实体类型;以及标注子单元,被配置为响应于多个分词中的至少两个分词具有相同的实体类型,将至少两个分词标注为共现实体;更新单元,被配置为响应于至少一个待分析数据中第一共现实体的统计概率大于预设概率阈值,第一共现实体中的第一分词不与至少一个预设规则中的实体关键词匹配,并且第一共现实体中的第二分词与至少一个预设规则中的实体关键词匹配,将第一分词作为实体关键词添加到第二分词相应的预设规则中,以更新至少一个预设规则;并且匹配单元还被配置为:基于更新后的至少一个预设规则,对至少一个待分析数据中的每个待分析数据执行关键词匹配,以更新该待分析数据的实体标签。
在一些实施例中,至少一个预设规则的数量为多个,至少一个预设规则中的第一规则和第二规则存在实体上下级关系,并且第一规则的实体类型为第二规则的实体类型的上级类型,匹配单元还包括:确定子单元,被配置为响应于该待分析数据的至少一个实体标签中包括相应于第二规则中实体关键词的实体标签,基于第一规则和第二规则的实体上下级关系,确定该待分析数据的与第一规则中相应实体关键词对应的实体标签。
在一些实施例中,至少一个预设规则中的第一预设规则中包括否定关键词,匹配单元包括:匹配子单元,被配置为基于第一预设规则中的每个实体关键词,对该待分析数据执行关键词匹配,以确定该待分析数据中的至少一个候选关键词;以及筛除子单元,被配置为响应于至少一个候选关键词中包括否定关键词,筛除至少一个候选关键词中的相应关键词,以基于至少一个候选关键词中的剩余关键词确定该待分析数据的至少一个实体标签。
在一些实施例中,第一获取单元包括:第一获取子单元,被配置为获取多个第一用户搜索文本;预测子单元,被配置为对多个第一用户搜索文本中每个第一用户搜索文本进行行业类别预测,以确定每个第一用户搜索文本所属的行业类别;以及第二获取子单元,被配置为获取多个第一用户搜索文本中行业类别为目标行业类别的至少一个用户搜索文本,以作为至少一个待分析数据中的至少一个用户搜索文本。
在一些实施例中,第一获取单元包括:第三获取子单元,被配置为获取至少一个目标站点,至少一个目标站点中每个目标站点的内容类别与目标行业类别相应;以及提取子单元,被配置为提取至少一个目标站点中每个网页所包含的网页标题,以作为至少一个待分析数据中的至少一个网页标题。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图5,现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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/或者要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向电子设备500输入信息的任何类型的设备,输入单元506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如上述数据处理方法。例如,在一些实施例中,上述数据处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM503并由计算单元501执行时,可以执行上文描述的上述数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述数据处理方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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)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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (15)
1.一种数据处理方法,所述方法包括:
获取至少一个待分析数据,其中,所述待分析数据包括用户搜索文本和网页标题中的至少一者;
获取至少一个预设规则,其中,所述至少一个预设规则中的每个预设规则包括至少一个实体关键词;
基于所述至少一个预设规则中的每个实体关键词,对所述至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签,其中,所述至少一个实体标签中的每个实体标签与所匹配到的实体关键词相应;
基于所述至少一个待分析数据中每个待分析数据的至少一个实体标签,对所述至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及
基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
2.根据权利要求1所述的方法,还包括:
针对所述至少一个待分析数据中的每个待分析数据:
对该待分析数据进行分词,以获得多个分词;
对所述多个分词进行命名实体识别,以获取所述多个分词中每个分词的实体类型;以及
响应于所述多个分词中的至少两个分词具有相同的实体类型,将所述至少两个分词标注为共现实体;
响应于所述至少一个待分析数据中第一共现实体的统计概率大于预设概率阈值,所述第一共现实体中的第一分词不与所述至少一个预设规则中的实体关键词匹配,并且所述第一共现实体中的第二分词与所述至少一个预设规则中的实体关键词匹配,将所述第一分词作为实体关键词添加到所述第二分词相应的预设规则中,以更新所述至少一个预设规则;以及
基于更新后的至少一个预设规则,对所述至少一个待分析数据中的每个待分析数据执行关键词匹配,以更新该待分析数据的实体标签。
3.根据权利要求1或2所述的方法,其中,所述至少一个预设规则的数量为多个,所述至少一个预设规则中的第一规则和第二规则存在实体上下级关系,并且所述第一规则的实体类型为所述第二规则的实体类型的上级类型,所述确定该待分析数据的至少一个实体标签还包括:
响应于该待分析数据的至少一个实体标签中包括相应于所述第二规则中实体关键词的实体标签,基于所述第一规则和所述第二规则的实体上下级关系,确定该待分析数据的与所述第一规则中相应实体关键词对应的实体标签。
4.根据权利要求1至3中任一项所述的方法,其中,所述至少一个预设规则中的第一预设规则中包括否定关键词,所述对所述至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签包括:
基于所述第一预设规则中的每个实体关键词,对该待分析数据执行关键词匹配,以确定该待分析数据中的至少一个候选关键词;以及
响应于所述至少一个候选关键词中包括所述否定关键词,筛除所述至少一个候选关键词中的相应关键词,以基于所述至少一个候选关键词中的剩余关键词确定该待分析数据的至少一个实体标签。
5.根据权利要求1至4中任一项所述的方法,所述至少一个待分析数据中用户搜索文本的获取包括:
获取多个第一用户搜索文本;
对所述多个第一用户搜索文本中每个第一用户搜索文本进行行业类别预测,以确定每个第一用户搜索文本所属的行业类别;以及
获取所述多个第一用户搜索文本中行业类别为目标行业类别的至少一个用户搜索文本,以作为所述至少一个待分析数据中的至少一个用户搜索文本。
6.根据权利要求1至5中任一项所述的方法,所述至少一个待分析数据中网页标题的获取包括:
获取至少一个目标站点,所述至少一个目标站点中每个目标站点的内容类别与目标行业类别相应;以及
提取所述至少一个目标站点中每个网页所包含的网页标题,以作为所述至少一个待分析数据中的至少一个网页标题。
7.一种数据处理装置,所述装置包括:
第一获取单元,被配置为获取至少一个待分析数据,其中,所述待分析数据包括用户搜索文本和网页标题中的至少一者;
第二获取单元,被配置为获取至少一个预设规则,其中,所述至少一个预设规则中的每个预设规则包括至少一个实体关键词;
匹配单元,被配置为基于所述至少一个预设规则中的每个实体关键词,对所述至少一个待分析数据中的每个待分析数据执行关键词匹配,以确定该待分析数据的至少一个实体标签,其中,所述至少一个实体标签中的每个实体标签与所匹配到的实体关键词相应;
聚合单元,被配置为基于所述至少一个待分析数据中每个待分析数据的至少一个实体标签,对所述至少一个待分析数据中每个待分析数据所关联的用户行为数据进行聚合,以获得每个实体标签对应的用户行为数据集合;以及
分析单元,被配置为基于每个实体标签对应的用户行为数据集合进行统计分析,以获得业务数据分析结果。
8.根据权利要求7所述的装置,还包括:
执行单元,被配置为针对所述至少一个待分析数据中的每个待分析数据,执行下述子单元的操作,所述执行单元包括:
分词子单元,被配置为对该待分析数据进行分词,以获得多个分词;
识别子单元,被配置为对所述多个分词进行命名实体识别,以获取所述多个分词中每个分词的实体类型;以及
标注子单元,被配置为响应于所述多个分词中的至少两个分词具有相同的实体类型,将所述至少两个分词标注为共现实体;
更新单元,被配置为响应于所述至少一个待分析数据中第一共现实体的统计概率大于预设概率阈值,所述第一共现实体中的第一分词不与所述至少一个预设规则中的实体关键词匹配,并且所述第一共现实体中的第二分词与所述至少一个预设规则中的实体关键词匹配,将所述第一分词作为实体关键词添加到所述第二分词相应的预设规则中,以更新所述至少一个预设规则;并且
所述匹配单元还被配置为:基于更新后的至少一个预设规则,对所述至少一个待分析数据中的每个待分析数据执行关键词匹配,以更新该待分析数据的实体标签。
9.根据权利要求7或8所述的装置,其中,所述至少一个预设规则的数量为多个,所述至少一个预设规则中的第一规则和第二规则存在实体上下级关系,并且所述第一规则的实体类型为所述第二规则的实体类型的上级类型,所述匹配单元还包括:
确定子单元,被配置为响应于该待分析数据的至少一个实体标签中包括相应于所述第二规则中实体关键词的实体标签,基于所述第一规则和所述第二规则的实体上下级关系,确定该待分析数据的与所述第一规则中相应实体关键词对应的实体标签。
10.根据权利要求7至9中任一项所述的装置,其中,所述至少一个预设规则中的第一预设规则中包括否定关键词,所述匹配单元包括:
匹配子单元,被配置为基于所述第一预设规则中的每个实体关键词,对该待分析数据执行关键词匹配,以确定该待分析数据中的至少一个候选关键词;以及
筛除子单元,被配置为响应于所述至少一个候选关键词中包括所述否定关键词,筛除所述至少一个候选关键词中的相应关键词,以基于所述至少一个候选关键词中的剩余关键词确定该待分析数据的至少一个实体标签。
11.根据权利要求7至10中任一项所述的装置,所述第一获取单元包括:
第一获取子单元,被配置为获取多个第一用户搜索文本;
预测子单元,被配置为对所述多个第一用户搜索文本中每个第一用户搜索文本进行行业类别预测,以确定每个第一用户搜索文本所属的行业类别;以及
第二获取子单元,被配置为获取所述多个第一用户搜索文本中行业类别为目标行业类别的至少一个用户搜索文本,以作为所述至少一个待分析数据中的至少一个用户搜索文本。
12.根据权利要求7至11中任一项所述的装置,所述第一获取单元包括:
第三获取子单元,被配置为获取至少一个目标站点,所述至少一个目标站点中每个目标站点的内容类别与目标行业类别相应;以及
提取子单元,被配置为提取所述至少一个目标站点中每个网页所包含的网页标题,以作为所述至少一个待分析数据中的至少一个网页标题。
13.一种电子设备,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,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211493507.6A CN115759100A (zh) | 2022-11-25 | 2022-11-25 | 数据处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211493507.6A CN115759100A (zh) | 2022-11-25 | 2022-11-25 | 数据处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115759100A true CN115759100A (zh) | 2023-03-07 |
Family
ID=85338377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211493507.6A Pending CN115759100A (zh) | 2022-11-25 | 2022-11-25 | 数据处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115759100A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957822A (zh) * | 2023-09-21 | 2023-10-27 | 太平金融科技服务(上海)有限公司 | 表单的检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-25 CN CN202211493507.6A patent/CN115759100A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116957822A (zh) * | 2023-09-21 | 2023-10-27 | 太平金融科技服务(上海)有限公司 | 表单的检测方法、装置、电子设备及存储介质 |
CN116957822B (zh) * | 2023-09-21 | 2023-12-12 | 太平金融科技服务(上海)有限公司 | 表单的检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113836333A (zh) | 图文匹配模型的训练方法、实现图文检索的方法、装置 | |
CN116028605B (zh) | 逻辑表达式生成方法、模型训练方法、装置及介质 | |
CN111582477A (zh) | 神经网络模型的训练方法和装置 | |
CN113656587A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
CN115168545A (zh) | 群组搜索方法、装置、电子设备及介质 | |
CN114970540A (zh) | 训练文本审核模型的方法和装置 | |
CN112699237B (zh) | 标签确定方法、设备和存储介质 | |
CN115759100A (zh) | 数据处理方法、装置、设备及介质 | |
CN113239273B (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN113596011B (zh) | 流量识别方法及装置,计算设备和介质 | |
CN112905743B (zh) | 文本对象检测的方法、装置、电子设备和存储介质 | |
CN114724146A (zh) | 异常文本识别方法及装置、电子设备和存储介质 | |
CN114547252A (zh) | 文本识别方法、装置、电子设备和介质 | |
CN114490986A (zh) | 计算机实施的数据挖掘方法、装置、电子设备及存储介质 | |
CN113221035A (zh) | 用于确定异常网页的方法、装置、设备、介质和程序产品 | |
CN112954025B (zh) | 基于分层知识图谱推送信息方法、装置、设备、介质 | |
CN114218516B (zh) | 网页处理方法、装置、电子设备以及存储介质 | |
CN113609370B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116883181B (zh) | 基于用户画像的金融服务推送方法、存储介质及服务器 | |
CN113963234B (zh) | 数据标注处理方法、装置、电子设备和介质 | |
CN113326417B (zh) | 用于更新网页库的方法和装置 | |
CN116862020A (zh) | 文本分类模型的训练方法、文本分类方法及装置 | |
CN114238793A (zh) | 轨迹点数据挖掘方法及装置、电子设备和介质 | |
CN114780819A (zh) | 对象推荐方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |