[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

本發明實施例提供一種數據挖掘方法、裝置和設備，該方法包括：從語料樣本集合中提取多個關鍵詞；在包含多個關鍵詞中至少一個關鍵詞的每條語料樣本中，圍繞每條語料樣本中包含的關鍵詞獲取預設數量的候選詞語，候選詞語中包括被圍繞的關鍵詞；對獲取的全部候選詞語進行關聯分析，以獲得與多個關鍵詞對應的搭配關系。通過提取關鍵詞，以便圍繞關鍵字進行關聯分析所需的候選詞語的選取，限制了關聯分析的數據范圍，即降低了關聯分析的輸入噪音，有利于保證關聯分析結果即詞語搭配關系挖掘結果的準確性。

技術領域

本發明涉及互聯網技術領域，尤其涉及一種數據挖掘方法、裝置和設備。

背景技術

用戶通過電子商務平臺進行網上購物已經成為用戶目前主流的一種購物方式。為了提高用戶購物體驗，電子商務平臺會提供在線交互工具，以供用戶就自己關心的問題咨詢商家。而且，電子商務平臺還會提供自動問答技術，以便及時、自動地響應用戶的咨詢問題。

用戶購物時往往會就商品信息、當前優惠活動、物流信息等問題咨詢商家，這些咨詢問題往往有很高的重復性，如果能將用戶的高頻問法挖掘整理，將有利于采用自動問答技術對用戶的咨詢問題進行自動回復，或者，也便于對用戶咨詢問題的分類匯總。而用戶的高頻問法常常表現為特定詞語的搭配，從而，對用戶的高頻問法挖掘即為對詞語搭配關系的挖掘。因此，如何準確地挖掘出常用的詞語搭配關系是亟待解決的問題。

發明內容

有鑒于此，本發明實施例提供一種數據挖掘方法、裝置和設備，用以準確挖掘出諸如用戶購物等應用場景下的常見詞語搭配關系。

第一方面，本發明實施例提供一種數據挖掘方法，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。

第二方面，本發明實施例提供一種數據挖掘裝置，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。

在一個可能的設計中，上述數據挖掘裝置的結構中包括處理器和存儲器，所述存儲器用于存儲支持數據挖掘裝置執行上述第一方面中數據挖掘方法的程序，所述處理器被配置為用于執行所述存儲器中存儲的程序。所述數據挖掘裝置還可以包括通信接口，用于數據挖掘裝置與其他設備或通信網絡通信。

本發明實施例提供了一種計算機存儲介質，用于儲存數據挖掘裝置所用的計算機軟件指令，其包含用于執行上述第一方面中數據挖掘方法所涉及的程序。

第三方面，本發明實施例提供一種數據挖掘方法，應用于服務器中，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。