[發明專利]群體識別方法及群體識別裝置

在審

• 申請號: 201611144762.4
• 申請日: 2016-12-13
• 公開（公告）號: CN108228587A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 蔡慧慧;張丹;于曉明;王九碩;于琳琳
• 申請（專利權）人: 北大方正集團有限公司;北京北大方正電子有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京友聯知識產權代理事務所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

1.一種群體識別方法，其特征在于，包括：

獲取目標文檔對應的組合特征詞集，其中，所述組合特征詞集中至少包含有用于表示關注對象的目標詞以及有用于表示對關注對象的觀點的態度詞；

獲取參考文檔集中的多篇關聯于所述組合特征詞集的參考文檔，并對多篇所述參考文檔進行歸類處理，以得到多個群體類別；

獲取所述目標文檔對應的特征向量，以及所述組合特征詞集中的目標詞對應的詞向量；

根據所述目標文檔對應的特征向量與多個所述群體類別對應的特征向量之間的相似性，確定所述目標文檔所屬群體類別；以及

根據所述組合特征詞集中的目標詞對應的詞向量與多個所述群體類別對應的特征向量之間的相似性，確定所述目標文檔所屬群體類別的關注對象。

2.根據權利要求1所述的群體識別方法，其特征在于，所述組合特征詞集中還包括所述目標詞的近義詞以及所述態度詞的近義詞。

3.根據權利要求1所述的群體識別方法，其特征在于，所述獲取所述目標文檔對應的特征向量的步驟，具體包括：

計算所述組合特征詞集中的目標詞和態度詞共同出現的次數和逆文檔頻率；

根據所述次數和所述逆文檔頻率的乘積，確定所述目標文檔對應的組合權重；

基于所述目標文檔對應的組合權重，確定所述目標文檔對應的特征向量。

4.根據權利要求1至3中任一項所述的群體識別方法，其特征在于，所述根據所述目標文檔對應的特征向量與多個所述群體類別對應的特征向量之間的相似性，確定所述目標文檔所屬群體類別的步驟，具體包括：

將多個所述群體類別中的與所述目標文檔對應的特征向量之間相似性大于第一閾值的群體類別，作為所述目標文檔所屬群體類別。

5.根據權利要求4所述的群體識別方法，其特征在于，所述根據所述組合特征詞集中的目標詞對應的詞向量與多個所述群體類別對應的特征向量之間的相似性，確定所述目標文檔所屬群體類別的關注對象的步驟，具體包括：

將所述組合特征詞集中的與所述目標文檔所屬群體類別對應的特征向量之間相似性大于第二閾值的目標詞，作為所述目標文檔所屬群體類別對應的目標詞，以表示所述目標文檔所屬群體類別的關注對象。

6.根據權利要求1至3中任一項所述的群體識別方法，其特征在于，所述獲取目標文檔對應的組合特征詞集的步驟，具體包括：

對所述目標文檔進行分詞以及詞性標注處理；

基于依存句法對處理后的目標文檔進行分析，以得到所述組合特征詞集。

7.一種群體識別裝置，其特征在于，包括：

第一獲取單元，用于獲取目標文檔對應的組合特征詞集，其中，所述組合特征詞集中至少包含有用于表示關注對象的目標詞以及有用于表示對關注對象的觀點的態度詞；

第二獲取單元，用于獲取參考文檔集中的多篇關聯于所述組合特征詞集的參考文檔，并對多篇所述參考文檔進行歸類處理，以得到多個群體類別；

第三獲取單元，用于獲取所述目標文檔對應的特征向量，以及所述組合特征詞集中的目標詞對應的詞向量；

第一確定單元，用于根據所述目標文檔對應的特征向量與多個所述群體類別對應的特征向量之間的相似性，確定所述目標文檔所屬群體類別；以及

第二確定單元，用于根據所述組合特征詞集中的目標詞對應的詞向量與多個所述群體類別對應的特征向量之間的相似性，確定所述目標文檔所屬群體類別的關注對象。

8.根據權利要求7所述的群體識別裝置，其特征在于，所述組合特征詞集中還包括所述目標詞的近義詞以及所述態度詞的近義詞。

9.根據權利要求7所述的群體識別裝置，其特征在于，所述第三獲取單元具體用于：

計算所述組合特征詞集中的目標詞和態度詞共同出現的次數和逆文檔頻率；

根據所述次數和所述逆文檔頻率的乘積，確定所述目標文檔對應的組合權重；

基于所述目標文檔對應的組合權重，確定所述目標文檔對應的特征向量。