[發明專利]數據挖掘方法、裝置和設備

有效

• 申請號: 201710841097.2
• 申請日: 2017-09-18
• 公開（公告）號: CN110019702B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 趙中州;陳海青
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33;G06F16/335;G06Q30/0601
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 劉戈

1.一種數據挖掘方法，其特征在于，包括：

從語料樣本集合中提取多個關鍵詞；

在包含所述多個關鍵詞中至少一個關鍵詞的語料樣本中，獲取與所述語料樣本中包含的關鍵詞對應的候選詞語集，所述候選詞語集中包含所述關鍵詞以及位于所述關鍵詞預設窗口范圍內的詞語；

對獲取的全部候選詞語集進行關聯分析，以獲得與所述多個關鍵詞對應的搭配關系；

根據同一搭配關系在語料樣本中的表現形式，確定與所述搭配關系對應的搭配模板，其中，所述表現形式包括組成搭配關系的詞語以及預設符號，其中，所述語料樣本中位于所述組成搭配關系的詞語之間的其他詞語被替換為所述預設符號，所述組成搭配關系的詞語與所述預設符號之間的位置關系與所述組成搭配關系的詞語與所述其他詞語在所述語料中的位置關系相同。

2.根據權利要求1所述的方法，其特征在于，所述從語料樣本集合中提取多個關鍵詞，包括：

通過關鍵詞提取方法從所述語料樣本集合中提取種子關鍵詞；

從所述語料樣本集合中獲取與所述種子關鍵詞之間的相似度滿足預設要求的擴展關鍵詞，所述多個關鍵詞包括所述種子關鍵詞和所述擴展關鍵詞。

3.根據權利要求2所述的方法，其特征在于，所述獲取與所述語料樣本中包含的關鍵詞對應的候選詞語集之前，還包括：

將每條語料樣本中包含的擴展關鍵詞替換為對應的種子關鍵詞。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

響應于關鍵詞篩選操作，對所述多個關鍵詞進行篩選。

5.根據權利要求1所述的方法，其特征在于，所述從語料樣本集合中提取多個關鍵詞之后，還包括：

根據所述多個關鍵詞對所述語料樣本集合進行過濾處理，以獲得包含所述多個關鍵詞中至少一個關鍵詞的各語料樣本。

6.一種數據挖掘裝置，其特征在于，包括：

提取模塊，用于從語料樣本集合中提取多個關鍵詞；

獲取模塊，用于在包含所述多個關鍵詞中至少一個關鍵詞的語料樣本中，獲取與所述語料樣本中包含的關鍵詞對應的候選詞語集，所述候選詞語集中包含所述關鍵詞以及位于所述關鍵詞預設窗口范圍內的詞語；

分析模塊，用于對獲取的全部候選詞語集進行關聯分析，以獲得與所述多個關鍵詞對應的搭配關系；根據同一搭配關系在語料樣本中的表現形式，確定與所述搭配關系對應的搭配模板，其中，所述表現形式包括組成搭配關系的詞語以及預設符號，其中，所述語料樣本中位于所述組成搭配關系的詞語之間的其他詞語被替換為所述預設符號，所述組成搭配關系的詞語與所述預設符號之間的位置關系與所述組成搭配關系的詞語與所述其他詞語在所述語料中的位置關系相同。

7.一種電子設備，其特征在于，包括存儲器和處理器；其中，

所述存儲器用于存儲一條或多條計算機指令，其中，所述一條或多條計算機指令被所述處理器執行時實現如權利要求1至5中任一項所述的數據挖掘方法。

8.一種存儲有計算機程序的計算機可讀存儲介質，其特征在于，所述計算機程序使計算機執行時實現如權利要求1至5中任一項所述的數據挖掘方法。

9.一種數據挖掘方法，其特征在于，包括：

采集來自客戶端的語料樣本，以生成語料樣本集合；

從所述語料樣本集合中提取多個關鍵詞；

在包含所述多個關鍵詞中至少一個關鍵詞的語料樣本中，獲取與所述語料樣本中包含的關鍵詞對應的候選詞語集，所述候選詞語集中包含所述關鍵詞以及位于所述關鍵詞預設窗口范圍內的詞語；

對獲取的全部候選詞語集進行關聯分析，以獲得與所述多個關鍵詞對應的搭配關系；

將所述搭配關系發送至所述客戶端，若所述客戶端確定出在所述搭配關系中存在與用戶輸入的咨詢語句對應的搭配關系，則展示與所述搭配關系對應的回復語句。