[發明專利]數據處理方法、裝置及電子設備

在審

• 申請號: 201710202705.5
• 申請日: 2017-03-30
• 公開（公告）號: CN106970988A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 劉帥
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 王寶筠

1.一種數據處理方法，其特征在于，所述方法包括：

利用獲得的目標對象關聯的評論語料，構建所述評論語料的關鍵詞庫；

篩選所述評論語料中包含所述關鍵詞庫中第一關鍵詞的評論詞，合并得到所述第一關鍵詞的待處理語料，所述評論詞是包含所述第一關鍵詞的部分評論語料；

對得到的各關鍵詞的待處理語料進行主題聚類處理，得到所述評論語料的針對所述目標對象的主題詞。

2.根據權利要求1所述的方法，其特征在于，所述篩選所述評論語料中包含所述關鍵詞庫中第一關鍵詞的評論詞，合并得到所述第一關鍵詞的待處理語料，包括：

對所述評論語料進行掃描；

針對所述關鍵詞庫中的第一關鍵詞，提取當前掃描評論語料中包含檢測到的所述第一關鍵詞以及至少一個鄰接詞組成的至少一個評論詞，其中，所述鄰接詞距離所述第一關鍵詞在預設長度范圍內；

將提取的對應所述第一關鍵詞的評論詞拼接成一條待處理語料。

3.根據權利要求1所述的方法，其特征在于，利用獲得的目標對象關聯的評論語料，構建所述評論語料的關鍵詞庫，包括：

獲得目標對象關聯的評論語料中的待選關鍵詞；

對獲得的待選關鍵詞進行不相關詞過濾，獲得所述評論語料的關鍵詞庫，所述不相關詞是指與所述目標對象的屬性無關的評論詞。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

利用預設的針對所述目標對象的預設關鍵詞，對所述關鍵詞庫進行補充。

5.根據權利要求2所述的方法，其特征在于，所述提取當前掃描評論語料中包含檢測到的所述第一關鍵詞以及至少一個鄰接詞組成的至少一個評論詞，包括：

利用預設長度窗口，從當前掃描評論語料中提取包含所述第一關鍵詞的評論詞；

其中，所述預設長度窗口的長度大于所述第一關鍵詞的字符長度。

6.根據權利要求3所述的方法，其特征在于，所述獲得目標對象關聯的評論語料中的待選關鍵詞，包括：

對目標對象關聯的評論語料進行分詞處理；

利用術語頻率-逆文檔頻率TF-IDF算法，計算分詞處理后的各詞的IDF值；

篩選IDF值大于預設閾值的詞確定為待選關鍵詞。

7.一種數據處理裝置，其特征在于，所述裝置包括：

第一構建模塊，用于利用獲得的目標對象關聯的評論語料，構建所述評論語料的關鍵詞庫；

篩選合并模塊，用于篩選所述評論語料中包含所述關鍵詞庫中第一關鍵詞的評論詞，合并得到所述第一關鍵詞的待處理語料，所述評論詞是包含所述第一關鍵詞的部分評論語料；

聚類處理模塊，用于對得到的各關鍵詞的待處理語料進行主題聚類處理，得到所述評論語料的針對所述目標對象的主題詞。

8.一種電子設備，其特征在于，所述電子設備包括：

通信模塊，用于獲得目標對象關聯的評論語料；

處理器，用于利用所述評論語料，構建所述評論語料的關鍵詞庫，篩選所述評論語料中包含所述關鍵詞庫中第一關鍵詞的評論詞，合并得到所述第一關鍵詞的待處理語料，所述評論詞是包含所述第一關鍵詞的部分評論語料，并對得到的各關鍵詞的待處理語料進行主題聚類處理，得到所述評論語料的針對所述目標對象的主題詞。

9.根據權利要求8所述的電子設備，其特征在于，所述電子設備還包括：

輸入設備，用于獲得針對目標對象的預設關鍵詞，對所述關鍵詞庫進行補充；

和/或；

顯示器，用于輸出所述目標對象的主題詞。

10.根據權利要求8所述的電子設備，其特征在于，所述處理器具體用于對所述評論語料進行掃描，針對所述關鍵詞庫中的第一關鍵詞，提取當前掃描評論語料中包含檢測到的所述第一關鍵詞以及至少一個鄰接詞組成的至少一個評論詞，并將提取的對應所述第一關鍵詞的評論詞拼接成一條待處理語料，其中，所述鄰接詞距離所述第一關鍵詞在預設長度范圍內。