[發明專利]關聯話題的識別方法和裝置

有效

• 申請號: 201410779602.1
• 申請日: 2014-12-15
• 公開（公告）號: CN104408036B
• 公開（公告）日: 2019-01-08
• 發明（設計）人: 劉粉香
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 吳貴明;張永明

本發明公開了一種關聯話題的識別方法和裝置。其中，關聯話題的識別方法包括：獲取目標關鍵詞；確定目標關鍵詞對應的多維數組，其中，多維數組中每一維度數字用于表示目標關鍵詞的一個屬性；計算目標關鍵詞對應的多維數組與目標話題對應的多維數組之間的關聯指數，其中，關聯指數用于表示目標關鍵詞與每一個目標話題之間的關聯性，目標話題為預先標記的具有多維數組的多個話題；以及根據計算得到的關聯指數確定出與目標關鍵詞相關聯的話題。通過本發明，解決了現有技術中話題識別的準確性低的問題，達到了提高話題識別的準確性的效果。

技術領域

本發明涉及話題識別領域，具體而言，涉及一種關聯話題的識別方法和裝置。

背景技術

話題識別主要是指，根據給出的關鍵詞，從大量文本中識別出與給定關鍵詞相關的話題，如：給定關鍵詞“高考”，如何識別文本中與之相關的話題。這里的話題可以是指互聯網上的話題，例如新聞話題、微博話題等，主要以文本的形式體現。

目前，對于話題識別，主要將給定的關鍵詞與文本中的話題進行匹配，如果話題中出現給定的關鍵詞，則認為話題與關鍵詞相關。然而，由于語言的靈活性較強，會出現這樣的情況：話題與給定的關鍵詞關聯性較高，但話題中沒有出現該關鍵詞，采用上述的匹配方式則無法準確定識別出與關鍵詞相關的話題。

針對現有技術中話題識別的準確性低的問題，目前尚未提出有效的解決方案。

發明內容

本發明的主要目的在于提供一種關聯話題的識別方法和裝置，以解決現有技術中話題識別的準確性低的問題。

為了實現上述目的，根據本發明實施例的一個方面，提供了一種關聯話題的識別方法。根據本發明的關聯話題的識別方法包括：獲取目標關鍵詞；用機器學習方法確定所述目標關鍵詞對應的多維數組，其中，所述多維數組中每一維度數字用于表示所述目標關鍵詞的一個屬性；計算所述目標關鍵詞對應的多維數組與目標話題對應的多維數組之間的關聯指數，其中，所述關聯指數用于表示所述目標關鍵詞與每一個所述目標話題之間的關聯性，所述目標話題為預先標記的具有多維數組的多個話題；以及根據計算得到的關聯指數確定出與所述目標關鍵詞相關聯的話題。

進一步地，計算所述目標關鍵詞對應的多維數組與目標話題對應的多維數組之間的關聯指數包括：計算所述目標關鍵詞對應的多維數組與所述目標話題對應的多維數組之間的歐氏距離，將所述歐氏距離作為所述關聯指數，其中，所述目標關鍵詞與話題之間的歐氏距離越小表示所述目標關鍵詞與所述話題之間的關聯性越高。

進一步地，計算所述目標關鍵詞對應的多維數組與所述目標話題對應的多維數組之間的關聯指數包括：獲取所述目標話題對應的多維數組；直接計算所述目標關鍵詞對應的多維數組所述目標話題對應的多維數組之間的關聯指數，或者，獲取所述目標話題中每個詞語對應的多維數組；計算所述目標關鍵詞對應的多維數組與所述目標話題中每個詞語對應的多維數組之間的關聯指數；由所述目標關鍵詞對應的多維數組與所述每個詞語對應的多維數組之間的關聯指數計算得到所述目標關鍵詞對應的多維數組與所述目標話題對應的多維數組之間的關聯指數。

進一步地，根據計算得到的關聯指數確定出與所述目標關鍵詞關聯的話題包括：判斷所述計算得到的關聯指數是否滿足預設條件；如果判斷出所述計算得到的關聯指數滿足所述預設條件，則確定所述計算得到的關聯指數滿足所述預設條件的目標話題與所述目標關鍵詞相關聯；如果判斷出所述計算得到的關聯指數不滿足所述預設條件，則確定所述計算得到的關聯指數不滿足所述預設條件的目標話題與所述目標關鍵詞不相關。

進一步地，在獲取目標關鍵詞之前，所述識別方法還包括：獲取目標文本，所述目標文本中包含有所述目標話題；利用分詞工具對所述目標文本進行分詞，并標記出所述目標文本中每個詞語的詞性；按照預先建立的詞性規則模型根據分詞后的詞語的詞性確定出所述目標話題，并對所述目標話題進行標記；以及根據機器學習方法確定分詞后的每個詞對應的多維數組和所述目標話題對應的多維數組。