[發明專利]信息提取方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201810083656.2
• 申請日: 2018-01-29
• 公開（公告）號: CN110110033A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 范玉順;張峻旗;周婧雯
• 申請（專利權）人: 清華大學
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06Q50/14
• 代理公司: 北京華進京聯知識產權代理有限公司 11606
• 代理人: 成丹

本發明提供一種信息提取方法、裝置、計算機設備和存儲介質，該方法包括：獲取待研究對象集合中的每個待研究對象與特性關鍵詞庫中的每個特性在所有識別區域內共同出現的次數；針對每個待研究對象和每個特性，根據所述待研究對象與所述特性共同出現的次數，與所述待研究對象在所有識別區域內出現的總次數的商值，確定所述待研究對象相對于所述特性的置信度。該方法可以通過相應的數據獲取到待研究對象的特性信息，相比傳統技術，其大大提高了待研究對象的信息提取效率。

技術領域

本發明涉及數據分析領域，特別是涉及一種信息提取方法、裝置、計算機設備和存儲介質。

背景技術

隨著互聯網的不斷發展，各種數據成爆炸式增長，如何從這些海量數據中提取有用的信息成為人們的研究對象。以旅游數據為例，互聯網上存在海量有關旅游的游記文本，如何從這些海量的游記文本中提取有關景點的特性信息，作為人們旅行前的景點參考因素，成為人們重點的研究對象。

傳統技術中，用戶經常通過手動依次瀏覽海量的游記文本中的每個游記文本，從而從每個游記文本中提取有關景點的特性信息，例如查看該景點是否清幽、是否排隊、價格是否低廉等特性。

但是，傳統技術所述的方法提取信息的效率較低。

發明內容

基于此，有必要針對傳統技術所述的方法提取信息的效率較低的問題，提供一種信息提取方法、裝置、計算機設備和存儲介質。

第一方面，本發明實施例提供一種信息提取方法，所述方法包括：

獲取待研究對象集合中的每個待研究對象與特性關鍵詞庫中的每個特性在同一識別區域內共同出現的次數；其中，所述特性關鍵詞庫中包括N個用于表征待研究對象特征的特性，每個特性對應至少一個關鍵詞；

針對每個待研究對象和每個特性，根據所述待研究對象與所述特性在同一識別區域內共同出現的次數，與所述待研究對象在所有識別區域內出現的總次數的商值，確定所述待研究對象相對于所述特性的置信度。

本實施例提供的信息提取方法，通過獲取待研究對象集合中的每個待研究對象與特性關鍵詞庫中的每個特性在同一識別區域內共同出現的次數，并根據獲取到的待研究對象與特性在同一識別區域內共同出現的次數，與該待研究對象在所有識別區域內出現的總次數的商值，確定該待研究對象相對于該特性的置信度。由于本實施例中，計算機設備可以通過相應的數據獲取到待研究對象的特性信息，相比傳統技術中手動提取待研究對象的特性信息的方式，其大大提高了待研究對象的信息提取效率；另外，本實施例在確定待研究對象的特性信息時，是基于待研究對象在所有識別區域內出現的總次數，以及結合了待研究對象與每個特性在同一識別區域內共同出現的規律確定的待研究對象相對于某個特性的置信度，其數據參考依據比較準確，也比較合理，因此，基于這些數據確定的待研究對象的特性信息比較準確，從而為用戶提供了更加便捷和準確的信息參考依據。另外，本實施例提供的信息提取方法，是通過置信度來反映待研究對象與特性之間的關系的，由于置信度是具體的、量化的值，因此，這種展示方式更直觀，更便于用戶對待研究對象進行判斷與分析。

在其中一個實施例中，所述獲取待研究對象集合中的每個待研究對象與特性關鍵詞庫中的每個特性在同一識別區域內共同出現的次數，包括：

獲取所述待研究對象集合中的每個所述待研究對象在每個識別區域內出現的次數；

獲取所述特性關鍵詞庫中的每個特性在每個識別區域內出現的次數；其中，一個特性在一個識別區域內出現的次數等于所述一個特性對應的每個關鍵詞在所述一個識別區域內出現的次數之和；

根據每個所述待研究對象在每個識別區域內出現的次數、每個所述特性在每個識別區域內出現的次數，獲取每個所述待研究對象與每個所述特性在同一識別區域內共同出現的次數。