[發(fā)明專(zhuān)利]一種從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110079692.3
• 申請(qǐng)日: 2021-01-21
• 公開(kāi)（公告）號(hào): CN112966505B
• 公開(kāi)（公告）日: 2021-10-15
• 發(fā)明（設(shè)計(jì)）人: 葉東;孫兆偉;李暉;趙翰墨;高祥博;王璐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類(lèi)號(hào): G06F40/289
• 分類(lèi)號(hào): G06F40/289;G06F40/216;G06F40/242;G06F16/33
• 代理公司: 西安維英格知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61253
• 代理人: 李斌棟;歸瑩

本發(fā)明實(shí)施例公開(kāi)了一種從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法、裝置及存儲(chǔ)介質(zhì)；該方法可以包括：將原始文本語(yǔ)料劃分為多個(gè)與時(shí)間區(qū)間相對(duì)應(yīng)的文本集合；基于每個(gè)文本集合所包含的文本后綴及各文本后綴出現(xiàn)的頻率構(gòu)造每個(gè)文本集合對(duì)應(yīng)的頻率后綴樹(shù)；基于查詢(xún)指令所指示的熱點(diǎn)持續(xù)時(shí)間區(qū)間以及最小出現(xiàn)頻率閾值遍歷所述熱點(diǎn)持續(xù)時(shí)間區(qū)間所對(duì)應(yīng)的頻率后綴樹(shù)，查詢(xún)獲得在所述熱點(diǎn)持續(xù)時(shí)間區(qū)間內(nèi)出現(xiàn)頻率不低于所述最小出現(xiàn)頻率閾值的熱點(diǎn)短語(yǔ)。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及信息挖掘技術(shù)領(lǐng)域，尤其涉及一種從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著數(shù)據(jù)迅速膨脹的背景下，大量的知識(shí)庫(kù)構(gòu)建任務(wù)使得快速?gòu)暮Ａ课谋菊Z(yǔ)料中提取有效信息成為了一個(gè)重要研究方向。以短語(yǔ)形式挖掘文本中頻繁出現(xiàn)的連續(xù)詞序列成為用戶(hù)獲取關(guān)鍵信息、進(jìn)行文本集探索的有效方式之一。

目前，在連續(xù)時(shí)間區(qū)間下對(duì)頻繁詞序列挖掘過(guò)程中，由于用戶(hù)對(duì)于數(shù)據(jù)內(nèi)容無(wú)法完全掌握，通常需要多次迭代修改查詢(xún)條件(即交互式查詢(xún))才能夠?qū)?shù)據(jù)進(jìn)行全面的了解。然而，相關(guān)頻繁詞序列挖掘方案大多面向挖掘任務(wù)，具有較高的時(shí)間復(fù)雜度，無(wú)法用于頻繁更換查詢(xún)條件的探索性查詢(xún)方案，也無(wú)法快速獲得查詢(xún)反饋的需求。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例期望提供一種從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法、裝置及存儲(chǔ)介質(zhì)；能夠降低查詢(xún)持續(xù)性熱點(diǎn)短語(yǔ)的時(shí)間復(fù)雜度，快速尋找在連續(xù)時(shí)間區(qū)間下均作為熱點(diǎn)存在的短語(yǔ)信息，滿(mǎn)足探索性交互式查詢(xún)的需求。

本發(fā)明實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

第一方面，本發(fā)明實(shí)施例提供了一種從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法，所述方法包括：

將原始文本語(yǔ)料劃分為多個(gè)與時(shí)間區(qū)間相對(duì)應(yīng)的文本集合；

基于每個(gè)文本集合所包含的文本后綴及各文本后綴出現(xiàn)的頻率構(gòu)造每個(gè)文本集合對(duì)應(yīng)的頻率后綴樹(shù)；

基于查詢(xún)指令所指示的熱點(diǎn)持續(xù)時(shí)間區(qū)間以及最小出現(xiàn)頻率閾值遍歷所述熱點(diǎn)持續(xù)時(shí)間區(qū)間所對(duì)應(yīng)的頻率后綴樹(shù)，查詢(xún)獲得在所述熱點(diǎn)持續(xù)時(shí)間區(qū)間內(nèi)出現(xiàn)頻率不低于所述最小出現(xiàn)頻率閾值的熱點(diǎn)短語(yǔ)。

第二方面，本發(fā)明實(shí)施例提供了一種從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的裝置，所述裝置包括：劃分部分、構(gòu)造部分和查詢(xún)部分；其中，

所述劃分部分，經(jīng)配置為將原始文本語(yǔ)料劃分為多個(gè)與時(shí)間區(qū)間相對(duì)應(yīng)的文本集合；

所述構(gòu)造部分，經(jīng)配置為基于每個(gè)文本集合所包含的文本后綴及各文本后綴出現(xiàn)的頻率構(gòu)造每個(gè)文本集合對(duì)應(yīng)的頻率后綴樹(shù)；

所述查詢(xún)部分，經(jīng)配置為基于查詢(xún)指令所指示的熱點(diǎn)持續(xù)時(shí)間區(qū)間以及最小出現(xiàn)頻率閾值遍歷所述熱點(diǎn)持續(xù)時(shí)間區(qū)間所對(duì)應(yīng)的頻率后綴樹(shù)，查詢(xún)獲得在所述熱點(diǎn)持續(xù)時(shí)間區(qū)間內(nèi)出現(xiàn)頻率不低于所述最小出現(xiàn)頻率閾值的熱點(diǎn)短語(yǔ)。

第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算設(shè)備，所述計(jì)算設(shè)備包括：通信接口，存儲(chǔ)器和處理器；其中，

所述通信接口，用于在與其他外部網(wǎng)元之間進(jìn)行收發(fā)信息過(guò)程中，信號(hào)的接收和發(fā)送；

所述存儲(chǔ)器，用于存儲(chǔ)能夠在所述處理器上運(yùn)行的計(jì)算機(jī)程序；

所述處理器，用于在運(yùn)行所述計(jì)算機(jī)程序時(shí)，執(zhí)行第一方面所述從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法的步驟。

第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀介質(zhì)存儲(chǔ)有從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的程序，所述從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的程序被至少一個(gè)處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面所述的從文本語(yǔ)料中提取持續(xù)性熱點(diǎn)短語(yǔ)的方法的步驟。