[發(fā)明專利]數(shù)據(jù)處理方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201710202705.5
• 申請(qǐng)日: 2017-03-30
• 公開（公告）號(hào): CN106970988A
• 公開（公告）日: 2017-07-21
• 發(fā)明（設(shè)計(jì)）人: 劉帥
• 申請(qǐng)（專利權(quán)）人: 聯(lián)想（北京）有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 王寶筠

技術(shù)領(lǐng)域

本申請(qǐng)主要涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，更具體地說是涉及一種數(shù)據(jù)處理方法、裝置及電子設(shè)備。

背景技術(shù)

信息組織方法是針對(duì)檢索的需要，對(duì)信息資源進(jìn)行內(nèi)容分析、標(biāo)引、處理，最終使得信息資源有序化的方法，其在互聯(lián)網(wǎng)的應(yīng)用服務(wù)中發(fā)揮巨大作用。

在實(shí)際應(yīng)用中，當(dāng)需要了解用戶對(duì)產(chǎn)品或整個(gè)行業(yè)的關(guān)注點(diǎn)，以便據(jù)此進(jìn)行有針對(duì)性地進(jìn)行產(chǎn)品研發(fā)，更好地滿足用戶需求，通常會(huì)對(duì)使用某產(chǎn)品的用戶或從事某特定行業(yè)的用戶的反饋信息進(jìn)行主題聚類分析，獲得用戶關(guān)注某產(chǎn)品或某特定行業(yè)的主題類別信息，即得知用戶關(guān)注點(diǎn)。

然而，現(xiàn)有技術(shù)中的主題聚類通常是基于新聞報(bào)道等長(zhǎng)文本的語(yǔ)料進(jìn)行分析，若用其對(duì)用戶反饋信息進(jìn)行分析，很容易得到多個(gè)主題，無法確定用戶關(guān)注點(diǎn)；若采用傳統(tǒng)人工方式進(jìn)行主題提取，將會(huì)耗費(fèi)大量人力物力資源，且工作效率非常低。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)?zhí)峁┝艘环N數(shù)據(jù)處理方法、裝置及電子設(shè)備，實(shí)現(xiàn)了對(duì)短文本語(yǔ)料的主題聚類，無需人工提取短文本語(yǔ)料主題，大大減少了人力物力損耗，且提高了工作效率。

為了實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝艘韵录夹g(shù)方案：

一種數(shù)據(jù)處理方法，所述方法包括：

利用獲得的目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料，構(gòu)建所述評(píng)論語(yǔ)料的關(guān)鍵詞庫(kù)；

篩選所述評(píng)論語(yǔ)料中包含所述關(guān)鍵詞庫(kù)中第一關(guān)鍵詞的評(píng)論詞，合并得到所述第一關(guān)鍵詞的待處理語(yǔ)料，所述評(píng)論詞是包含所述第一關(guān)鍵詞的部分評(píng)論語(yǔ)料；

對(duì)得到的各關(guān)鍵詞的待處理語(yǔ)料進(jìn)行主題聚類處理，得到所述評(píng)論語(yǔ)料的針對(duì)所述目標(biāo)對(duì)象的主題詞。

優(yōu)選的，所述篩選所述評(píng)論語(yǔ)料中包含所述關(guān)鍵詞庫(kù)中第一關(guān)鍵詞的評(píng)論詞，合并得到所述第一關(guān)鍵詞的待處理語(yǔ)料，包括：

對(duì)所述評(píng)論語(yǔ)料進(jìn)行掃描；

針對(duì)所述關(guān)鍵詞庫(kù)中的第一關(guān)鍵詞，提取當(dāng)前掃描評(píng)論語(yǔ)料中包含檢測(cè)到的所述第一關(guān)鍵詞以及至少一個(gè)鄰接詞組成的至少一個(gè)評(píng)論詞，其中，所述鄰接詞距離所述第一關(guān)鍵詞在預(yù)設(shè)長(zhǎng)度范圍內(nèi)；

將提取的對(duì)應(yīng)所述第一關(guān)鍵詞的評(píng)論詞拼接成一條待處理語(yǔ)料。

優(yōu)選的，利用獲得的目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料，構(gòu)建所述評(píng)論語(yǔ)料的關(guān)鍵詞庫(kù)，包括：

獲得目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料中的待選關(guān)鍵詞；

對(duì)獲得的待選關(guān)鍵詞進(jìn)行不相關(guān)詞過濾，獲得所述評(píng)論語(yǔ)料的關(guān)鍵詞庫(kù)，所述不相關(guān)詞是指與所述目標(biāo)對(duì)象的屬性無關(guān)的評(píng)論詞。

優(yōu)選的，所述方法還包括：

利用預(yù)設(shè)的針對(duì)所述目標(biāo)對(duì)象的預(yù)設(shè)關(guān)鍵詞，對(duì)所述關(guān)鍵詞庫(kù)進(jìn)行補(bǔ)充。

優(yōu)選的，所述提取當(dāng)前掃描評(píng)論語(yǔ)料中包含檢測(cè)到的所述第一關(guān)鍵詞以及至少一個(gè)鄰接詞組成的至少一個(gè)評(píng)論詞，包括：

利用預(yù)設(shè)長(zhǎng)度窗口，從當(dāng)前掃描評(píng)論語(yǔ)料中提取包含所述第一關(guān)鍵詞的評(píng)論詞；

其中，所述預(yù)設(shè)長(zhǎng)度窗口的長(zhǎng)度大于所述第一關(guān)鍵詞的字符長(zhǎng)度。

優(yōu)選的，所述獲得目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料中的待選關(guān)鍵詞，包括：

對(duì)目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料進(jìn)行分詞處理；

利用術(shù)語(yǔ)頻率-逆文檔頻率TF-IDF算法，計(jì)算分詞處理后的各詞的IDF值；

篩選IDF值大于預(yù)設(shè)閾值的詞確定為待選關(guān)鍵詞。

一種數(shù)據(jù)處理裝置，所述裝置包括：

第一構(gòu)建模塊，用于利用獲得的目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料，構(gòu)建所述評(píng)論語(yǔ)料的關(guān)鍵詞庫(kù)；

篩選合并模塊，用于篩選所述評(píng)論語(yǔ)料中包含所述關(guān)鍵詞庫(kù)中第一關(guān)鍵詞的評(píng)論詞，合并得到所述第一關(guān)鍵詞的待處理語(yǔ)料，所述評(píng)論詞是包含所述第一關(guān)鍵詞的部分評(píng)論語(yǔ)料；

聚類處理模塊，用于對(duì)得到的各關(guān)鍵詞的待處理語(yǔ)料進(jìn)行主題聚類處理，得到所述評(píng)論語(yǔ)料的針對(duì)所述目標(biāo)對(duì)象的主題詞。

一種電子設(shè)備，所述電子設(shè)備包括：

通信模塊，用于獲得目標(biāo)對(duì)象關(guān)聯(lián)的評(píng)論語(yǔ)料；

處理器，用于利用所述評(píng)論語(yǔ)料，構(gòu)建所述評(píng)論語(yǔ)料的關(guān)鍵詞庫(kù)，篩選所述評(píng)論語(yǔ)料中包含所述關(guān)鍵詞庫(kù)中第一關(guān)鍵詞的評(píng)論詞，合并得到所述第一關(guān)鍵詞的待處理語(yǔ)料，所述評(píng)論詞是包含所述第一關(guān)鍵詞的部分評(píng)論語(yǔ)料，并對(duì)得到的各關(guān)鍵詞的待處理語(yǔ)料進(jìn)行主題聚類處理，得到所述評(píng)論語(yǔ)料的針對(duì)所述目標(biāo)對(duì)象的主題詞。

優(yōu)選的，所述電子設(shè)備還包括：

輸入設(shè)備，用于獲得針對(duì)目標(biāo)對(duì)象的預(yù)設(shè)關(guān)鍵詞，對(duì)所述關(guān)鍵詞庫(kù)進(jìn)行補(bǔ)充；

和/或；

顯示器，用于輸出所述目標(biāo)對(duì)象的主題詞。