[發明專利]知識庫的構建方法及裝置、存儲介質、計算設備

有效

• 申請號: 201710706041.6
• 申請日: 2017-08-17
• 公開（公告）號: CN107526795B
• 公開（公告）日: 2020-05-29
• 發明（設計）人: 湯奇峰;齊煒
• 申請（專利權）人: 晶贊廣告（上海）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/289
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張振軍;吳敏

1.一種知識庫的構建方法，其特征在于，包括：

確定行業標準詞庫，以及與所述行業標準詞庫對應的有用詞規則和停用詞規則；

基于所述有用詞規則從原始短語中提取有用詞語；

對所述原始短語進行分詞，以得到多個詞語；

如果所述多個詞語中包含與所述行業標準詞庫中的標準詞匹配的詞語，那么將所述匹配的詞語按照在所述原始短語中的位置關系組合，以得到組合詞語；將所述組合詞語與所述有用詞語組合以得到第一新短語，并將所述第一新短語加入知識庫；

如果所述多個詞語中不包含與所述行業標準詞庫中的標準詞匹配的詞語，那么基于所述停用詞規則從所述原始短語中刪除停用詞語，以得到刪除后詞語；將所述刪除后詞語與所述有用詞語組合以得到第二新短語，并將所述第二新短語加入所述知識庫。

2.根據權利要求1所述的知識庫的構建方法，其特征在于，所述將所述刪除后詞語與所述有用詞語組合以得到第二新短語包括：如果所述刪除后詞語與所述有用詞語重復，那么刪除重復的內容后進行組合，以得到所述第二新短語。

3.根據權利要求1所述的知識庫的構建方法，其特征在于，所述行業標準詞庫中的標準詞包括：從公開數據和/或網絡爬蟲爬取的數據中獲取的標準詞。

4.根據權利要求1所述的知識庫的構建方法，其特征在于，所述有用詞規則和所述停用詞規則由正則表達式定義。

5.根據權利要求1所述的知識庫的構建方法，其特征在于，所述將所述組合詞語與所述有用詞語組合以得到第一新短語包括：如果所述組合詞語中包含的匹配的詞語與所述有用詞語重復，那么刪除重復的內容后進行組合，以得到所述第一新短語。

6.一種知識庫的構建裝置，其特征在于，包括：

確定模塊，適于確定行業標準詞庫，以及與所述行業標準詞庫對應的有用詞規則和停用詞規則；

提取模塊，適于基于所述有用詞規則從原始短語中提取有用詞語；

分詞模塊，適于對所述原始短語進行分詞，以得到多個詞語；

第一詞語組合模塊，如果所述多個詞語中包含與所述行業標準詞庫中的標準詞匹配的詞語，那么所述第一詞語組合模塊適于將所述匹配的詞語按照在所述原始短語中的位置關系組合，以得到組合詞語；

第一封裝模塊，適于將所述組合詞語與所述有用詞語組合，以得到第一新短語，并將所述第一新短語加入知識庫；

第二詞語組合模塊，如果所述多個詞語中不包含與所述行業標準詞庫中的標準詞匹配的詞語，那么所述第二詞語組合模塊適于基于所述停用詞規則從所述原始短語中刪除停用詞語，以得到刪除后詞語；

第二封裝模塊，適于將所述刪除后詞語與所述有用詞語組合，以得到第二新短語，并將所述第二新短語加入知識庫。

7.根據權利要求6所述的知識庫的構建裝置，其特征在于，如果所述刪除后詞語與所述有用詞語重復，那么所述第二封裝模塊適于刪除重復的內容后進行組合，以得到第二新短語。

8.根據權利要求6所述的知識庫的構建裝置，其特征在于，所述行業標準詞庫中的標準詞包括：從公開數據和/或網絡爬蟲爬取的數據中獲取的標準詞。

9.根據權利要求6所述的知識庫的構建裝置，其特征在于，所述有用詞規則和所述停用詞規則由正則表達式定義。

10.根據權利要求6所述的知識庫的構建裝置，其特征在于，如果所述組合詞語中包含的匹配的詞語與所述有用詞語重復，那么所述第一封裝模塊適于刪除重復的內容后進行組合，以得到所述第一新短語。

11.一種存儲介質，其上存儲有計算機指令，其特征在于，所述計算機指令運行時執行權利要求1至5任一項所述知識庫的構建方法的步驟。

12.一種計算設備，包括存儲器和處理器，所述存儲器上存儲有可在所述處理器上運行的計算機指令，其特征在于，所述處理器運行所述計算機指令時執行權利要求1至5中任一項所述知識庫的構建方法的步驟。