[發(fā)明專利]數(shù)據(jù)挖掘方法、裝置和設(shè)備

有效

• 申請?zhí)枺?/td>: 201710841097.2
• 申請日: 2017-09-18
• 公開（公告）號(hào): CN110019702B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 趙中州;陳海青
• 申請（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/33;G06F16/335;G06Q30/0601
• 代理公司: 北京太合九思知識(shí)產(chǎn)權(quán)代理有限公司 11610
• 代理人: 劉戈

1.一種數(shù)據(jù)挖掘方法，其特征在于，包括：

從語料樣本集合中提取多個(gè)關(guān)鍵詞；

在包含所述多個(gè)關(guān)鍵詞中至少一個(gè)關(guān)鍵詞的語料樣本中，獲取與所述語料樣本中包含的關(guān)鍵詞對應(yīng)的候選詞語集，所述候選詞語集中包含所述關(guān)鍵詞以及位于所述關(guān)鍵詞預(yù)設(shè)窗口范圍內(nèi)的詞語；

對獲取的全部候選詞語集進(jìn)行關(guān)聯(lián)分析，以獲得與所述多個(gè)關(guān)鍵詞對應(yīng)的搭配關(guān)系；

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

2.根據(jù)權(quán)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(gè)關(guān)鍵詞，包括：

通過關(guān)鍵詞提取方法從所述語料樣本集合中提取種子關(guān)鍵詞；

從所述語料樣本集合中獲取與所述種子關(guān)鍵詞之間的相似度滿足預(yù)設(shè)要求的擴(kuò)展關(guān)鍵詞，所述多個(gè)關(guān)鍵詞包括所述種子關(guān)鍵詞和所述擴(kuò)展關(guān)鍵詞。

3.根據(jù)權(quán)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(guān)鍵詞對應(yīng)的候選詞語集之前，還包括：

將每條語料樣本中包含的擴(kuò)展關(guān)鍵詞替換為對應(yīng)的種子關(guān)鍵詞。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

響應(yīng)于關(guān)鍵詞篩選操作，對所述多個(gè)關(guān)鍵詞進(jìn)行篩選。

5.根據(jù)權(quán)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(gè)關(guān)鍵詞之后，還包括：

根據(jù)所述多個(gè)關(guān)鍵詞對所述語料樣本集合進(jìn)行過濾處理，以獲得包含所述多個(gè)關(guān)鍵詞中至少一個(gè)關(guān)鍵詞的各語料樣本。

6.一種數(shù)據(jù)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(gè)關(guān)鍵詞；

獲取模塊，用于在包含所述多個(gè)關(guān)鍵詞中至少一個(gè)關(guān)鍵詞的語料樣本中，獲取與所述語料樣本中包含的關(guān)鍵詞對應(yīng)的候選詞語集，所述候選詞語集中包含所述關(guān)鍵詞以及位于所述關(guān)鍵詞預(yù)設(shè)窗口范圍內(nèi)的詞語；

分析模塊，用于對獲取的全部候選詞語集進(jìn)行關(guān)聯(lián)分析，以獲得與所述多個(gè)關(guān)鍵詞對應(yīng)的搭配關(guān)系；根據(jù)同一搭配關(guān)系在語料樣本中的表現(xiàn)形式，確定與所述搭配關(guān)系對應(yīng)的搭配模板，其中，所述表現(xiàn)形式包括組成搭配關(guān)系的詞語以及預(yù)設(shè)符號(hào)，其中，所述語料樣本中位于所述組成搭配關(guān)系的詞語之間的其他詞語被替換為所述預(yù)設(shè)符號(hào)，所述組成搭配關(guān)系的詞語與所述預(yù)設(shè)符號(hào)之間的位置關(guān)系與所述組成搭配關(guān)系的詞語與所述其他詞語在所述語料中的位置關(guān)系相同。

7.一種電子設(shè)備，其特征在于，包括存儲(chǔ)器和處理器；其中，

所述存儲(chǔ)器用于存儲(chǔ)一條或多條計(jì)算機(jī)指令，其中，所述一條或多條計(jì)算機(jī)指令被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任一項(xiàng)所述的數(shù)據(jù)挖掘方法。

8.一種存儲(chǔ)有計(jì)算機(jī)程序的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)程序使計(jì)算機(jī)執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至5中任一項(xiàng)所述的數(shù)據(jù)挖掘方法。

9.一種數(shù)據(jù)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(gè)關(guān)鍵詞；

在包含所述多個(gè)關(guān)鍵詞中至少一個(gè)關(guān)鍵詞的語料樣本中，獲取與所述語料樣本中包含的關(guān)鍵詞對應(yīng)的候選詞語集，所述候選詞語集中包含所述關(guān)鍵詞以及位于所述關(guān)鍵詞預(yù)設(shè)窗口范圍內(nèi)的詞語；

對獲取的全部候選詞語集進(jìn)行關(guān)聯(lián)分析，以獲得與所述多個(gè)關(guān)鍵詞對應(yīng)的搭配關(guān)系；

將所述搭配關(guān)系發(fā)送至所述客戶端，若所述客戶端確定出在所述搭配關(guān)系中存在與用戶輸入的咨詢語句對應(yīng)的搭配關(guān)系，則展示與所述搭配關(guān)系對應(yīng)的回復(fù)語句。