[發(fā)明專利]基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110827216.5
• 申請(qǐng)日: 2021-07-21
• 公開(kāi)（公告）號(hào): CN113536779A
• 公開(kāi)（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 劉志遠(yuǎn);苗功勛;賴成賓;王超;熊英超;韋文峰
• 申請(qǐng)（專利權(quán)）人: 南京中孚信息技術(shù)有限公司
• 主分類號(hào): G06F40/258
• 分類號(hào): G06F40/258;G06F40/211;G06F40/295;G06F16/35;G06F16/34
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 王思楠

1.一種基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，所述方法包括：

獲取多個(gè)待分析公文標(biāo)題；

對(duì)不符合預(yù)設(shè)實(shí)體名稱的所述待分析公文標(biāo)題進(jìn)行過(guò)濾，得到過(guò)濾后的第一文本標(biāo)題；

利用重復(fù)二分聚類方法對(duì)多個(gè)所述第一文本標(biāo)題進(jìn)行聚類，對(duì)聚類后的話題簇根據(jù)textrank和依存句法進(jìn)行分析，得到目標(biāo)話題簇標(biāo)題。

2.根據(jù)權(quán)利要求1所述的基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，所述方法還包括：

獲取多個(gè)歷史公文標(biāo)題，所述歷史公文標(biāo)題中包括多個(gè)名稱實(shí)體及日期實(shí)體；

對(duì)所述名稱實(shí)體及所述日期實(shí)體進(jìn)行標(biāo)注，并利用標(biāo)注的所述名稱實(shí)體、所述日期實(shí)體及基于條件隨機(jī)場(chǎng)對(duì)實(shí)體識(shí)別模型進(jìn)行訓(xùn)練，得到目標(biāo)實(shí)體識(shí)別模塊，所述目標(biāo)實(shí)體識(shí)別模塊包括多個(gè)預(yù)設(shè)名稱實(shí)體及預(yù)設(shè)日期實(shí)體。

3.根據(jù)權(quán)利要求2所述的基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，對(duì)不符合預(yù)設(shè)實(shí)體名稱的所述待分析公文標(biāo)題進(jìn)行過(guò)濾，得到過(guò)濾后的第一文本標(biāo)題的步驟，包括：

利用所述目標(biāo)實(shí)體識(shí)別模塊對(duì)多個(gè)所述待分析公文標(biāo)題進(jìn)行識(shí)別；

當(dāng)識(shí)別到所述日期實(shí)體時(shí)，對(duì)包含所述日期實(shí)體的待分析公文標(biāo)題進(jìn)行過(guò)濾，得到過(guò)濾后的多個(gè)第一文本標(biāo)題。

4.根據(jù)權(quán)利要求1所述的基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，利用重復(fù)二分聚類方法對(duì)多個(gè)所述第一文本標(biāo)題進(jìn)行聚類，對(duì)聚類后的話題簇根據(jù)textrank和依存句法進(jìn)行分析，得到目標(biāo)話題簇標(biāo)題的步驟，包括：

利用均值算法對(duì)所述第一文本標(biāo)題進(jìn)行聚類，得到兩個(gè)第一子集；

對(duì)所述第一子集執(zhí)行所述利用均值算法對(duì)所述第一文本標(biāo)題進(jìn)行聚類的步驟，直至得到若干第二子集，所述第二子集為話題簇；

對(duì)每個(gè)所述話題簇的關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)及標(biāo)準(zhǔn)差過(guò)濾；

對(duì)聚類后的話題簇根據(jù)textrank和依存句法進(jìn)行分析，得到目標(biāo)話題簇標(biāo)題。

5.根據(jù)權(quán)利要求4所述的基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，對(duì)每個(gè)所述話題簇的關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)及標(biāo)準(zhǔn)差過(guò)濾的步驟，包括：

對(duì)每個(gè)所述話題簇的關(guān)鍵詞進(jìn)行詞頻統(tǒng)計(jì)，并確定詞頻最大的預(yù)設(shè)數(shù)量的關(guān)鍵詞；

計(jì)算每個(gè)所述話題簇中所有詞頻的標(biāo)準(zhǔn)差，并刪除詞頻小于標(biāo)準(zhǔn)差的關(guān)鍵詞。

6.根據(jù)權(quán)利要求4所述的基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，對(duì)聚類后的話題簇根據(jù)textrank和依存句法進(jìn)行分析，得到目標(biāo)話題簇標(biāo)題的步驟，包括：

將每個(gè)所述話題簇內(nèi)的第一文本標(biāo)題以逗號(hào)連接成文本，每個(gè)所述第一文本標(biāo)題為話題候選摘要句；

利用TextRank算法對(duì)所述文本做抽取式摘要任務(wù)，確定權(quán)重分?jǐn)?shù)最高的語(yǔ)句，并將所述語(yǔ)句作為話題候選描述句；

若所述話題簇內(nèi)的關(guān)鍵詞數(shù)等于輸入詞頻數(shù)n，確定所述話題候選描述句為目標(biāo)話題簇標(biāo)題；

若所述話題簇內(nèi)的關(guān)鍵詞數(shù)小于輸入詞頻數(shù)n，利用依存句法分析生成目標(biāo)話題簇標(biāo)題。

7.根據(jù)權(quán)利要求1所述的基于公文標(biāo)題的熱門話題數(shù)據(jù)處理方法，其特征在于，所述方法還包括：

對(duì)多個(gè)所述目標(biāo)話題簇標(biāo)題的話題熱度值進(jìn)行計(jì)算，并根據(jù)所述話題熱度值對(duì)所述目標(biāo)話題簇標(biāo)題進(jìn)行排序。

8.一種基于公文標(biāo)題的熱門話題數(shù)據(jù)處理裝置，其特征在于，包括：

獲取模塊，用于獲取多個(gè)待分析公文標(biāo)題；

過(guò)濾模塊，用于對(duì)不符合預(yù)設(shè)實(shí)體名稱的所述待分析公文標(biāo)題進(jìn)行過(guò)濾，得到過(guò)濾后的第一文本標(biāo)題；

聚類模塊，用于利用重復(fù)二分聚類方法對(duì)多個(gè)所述第一文本標(biāo)題進(jìn)行聚類，對(duì)聚類后的話題簇根據(jù)textrank和依存句法進(jìn)行分析，得到目標(biāo)話題簇標(biāo)題。

9.一種電子設(shè)備，包括存儲(chǔ)器、處理器，所述存儲(chǔ)器中存儲(chǔ)有可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述權(quán)利要求1至7任一項(xiàng)所述的方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)可運(yùn)行指令，所述計(jì)算機(jī)可運(yùn)行指令在被處理器調(diào)用和運(yùn)行時(shí)，所述計(jì)算機(jī)可運(yùn)行指令促使所述處理器運(yùn)行所述權(quán)利要求1至7任一項(xiàng)所述的方法。