[發明專利]數據消歧方法、裝置及計算機設備

有效

• 申請號: 201710807103.2
• 申請日: 2017-09-08
• 公開（公告）號: CN107609094B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 劉瓊瓊
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/955
• 分類號: G06F16/955;G06F40/289
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 宋合成

本發明提出一種數據消歧方法、裝置及計算機設備，該方法包括對訓練數據中每條數據，基于待分類類別進行標注，得到標注為屬于待分類類別的多條第一數據和標注為不屬于待分類類別的多條第二數據；基于用戶點擊行為日志確定與每條第一數據相關的特征并作為第一特征，以及與每條第二數據相關的特征并作為第二特征，根據第一特征和第二特征對每條第一數據和每條第二數據對應的標注進行訓練。通過本發明能夠實現對用戶點擊行為日志的數據進行深度挖掘，提取其中的可參考數據進行分析，能夠多方位地將場景結合進來，大幅度提升數據消歧精準度，同時，降低數據消歧的時間和花費，實現成本降低及提升數據消歧的自動化消歧效果。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種數據消歧方法、裝置及計算機設備。

背景技術

相關技術中，一般采用機器學習的方法及詞典對數據的類別進行消歧，或者，采用命名實體識別技術識別人名、地名、機構名等類別，這種方式下，數據的類別識別不夠全面，且未結合實際的場景，耗費大量人力成本，數據消歧效果不佳。

發明內容

本發明旨在至少在一定程度上解決相關技術中的技術問題之一。

為此，本發明的一個目的在于提出一種數據消歧方法，能夠實現對用戶點擊行為日志的數據進行深度挖掘，提取其中的可參考數據進行分析，能夠多方位地將場景結合進來，大幅度提升數據消歧精準度，同時，降低數據消歧的時間和花費，實現成本降低及提升數據消歧的自動化消歧效果。

本發明的另一個目的在于提出一種數據消歧裝置。

本發明的另一個目的在于提出一種計算機設備。

本發明的另一個目的在于提出一種非臨時性計算機可讀存儲介質。

本發明的另一個目的在于提出一種計算機程序產品。

為達到上述目的，本發明第一方面實施例提出的數據消歧方法，包括：構造訓練數據；對所述訓練數據中每條數據，基于待分類類別進行標注，得到標注為屬于所述待分類類別的多條第一數據和標注為不屬于所述待分類類別的多條第二數據；基于用戶點擊行為日志確定與每條第一數據相關的特征并作為第一特征，以及與每條第二數據相關的特征并作為第二特征，所述第一特征和所述第二特征包括：字面特征和用戶行為特征；根據所述第一特征和所述第二特征對所述每條第一數據和每條第二數據對應的標注進行訓練。

本發明第一方面實施例提出的數據消歧方法，通過構造訓練數據，對訓練數據中每條數據，基于待分類類別進行標注，得到標注為屬于待分類類別的多條第一數據和標注為不屬于待分類類別的多條第二數據，基于用戶點擊行為日志確定與每條第一數據相關的特征并作為第一特征，以及與每條第二數據相關的特征并作為第二特征，第一特征和第二特征包括：字面特征和用戶行為特征，以及根據第一特征和第二特征對每條第一數據和每條第二數據對應的標注進行訓練，能夠實現對用戶點擊行為日志的數據進行深度挖掘，提取其中的可參考數據進行分析，能夠多方位地將場景結合進來，大幅度提升數據消歧精準度，同時，降低數據消歧的時間和花費，實現成本降低及提升數據消歧的自動化消歧效果。

為達到上述目的，本發明第二方面實施例提出的數據消歧裝置，包括：構造模塊，用于構造訓練數據；標注模塊，用于對所述訓練數據中每條數據，基于待分類類別進行標注，得到標注為屬于所述待分類類別的多條第一數據和標注為不屬于所述待分類類別的多條第二數據；特征確定模塊，用于基于用戶點擊行為日志確定與每條第一數據相關的特征并作為第一特征，以及與每條第二數據相關的特征并作為第二特征，所述第一特征和所述第二特征包括：字面特征和用戶行為特征；訓練模塊，用于根據所述第一特征和所述第二特征對所述每條第一數據和每條第二數據對應的標注進行訓練。