[發明專利]概念挖掘方法及裝置、電子設備及可讀存儲介質

有效

• 申請號: 202210320584.5
• 申請日: 2022-03-29
• 公開（公告）號: CN114741508B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 付俊杰;王宗宇;謝睿;武威
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/31;G06F40/216;G06F40/289;G06N3/0442
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種概念挖掘方法，其特征在于，包括：

獲取目標文本對應的候選概念；

通過預先訓練完成的概念判別模型，根據所述目標文本的文本特征以及所述候選概念的概念特征，確定所述候選概念是否為合理候選概念，所述文本特征為所述目標文本對應的自然語言文本的文本向量，所述候選概念的概念特征為所述候選概念對應的文本向量；

所述概念判別模型包括統計模型子網絡、文本識別子網絡以及圖向量子網絡，其中，所述通過預先訓練完成的概念判別模型，根據所述目標文本的文本特征以及所述候選概念的概念特征，確定所述候選概念是否為合理候選概念，包括：通過所述統計模型子網絡，根據所述目標文本對應的統計特征，確定所述目標文本對應的第一向量表示；

通過所述文本識別子網絡，確定所述文本特征對應的第二向量表示；通過所述圖向量子網絡，確定所述概念特征對應的第三向量表示，包括：通過所述圖向量子網絡中的圖向量層，確定所述概念特征對應的圖向量；通過所述圖向量子網絡中的編碼層，對所述圖向量進行編碼，以得到所述第三向量表示；根據所述第一向量表示、所述第二向量表示以及所述第三向量表示對所述候選概念進行打分，并根據所述候選概念的分數確定所述候選概念是否為合理候選概念；

若所述候選概念為合理候選概念，則根據預設概念清洗規則對所述候選概念進行數據清洗，以得到所述目標文本對應的目標概念；否則，丟棄所述候選概念。

2.根據權利要求1所述的方法，其特征在于，獲取目標文本對應的候選概念，包括以下至少之一：

從預設數據庫中存儲的候選短語中獲取所述候選概念；或，對預設平臺中的用戶搜索詞進行分詞，以得到所述候選概念；或，

通過預先訓練完成的短語挖掘模型，從所述預設平臺的用戶生成數據中獲取所述候選概念。

3.根據權利要求1所述的方法，其特征在于，若所述候選概念為合理候選概念，則根據預設概念清洗規則對所述候選概念進行數據清洗，包括以下之一：

根據預先訓練完成的緊密度模型對所述候選概念進行數據清洗，以得到原子概念數據；或，

對所述候選概念進行實例數據清洗；或，

對所述候選概念進行校錯。

4.一種概念挖掘裝置，其特征在于，包括：

獲取模塊，用于獲取目標文本對應的候選概念；

確定模塊，用于通過預先訓練完成的概念判別模型，根據所述目標文本的文本特征以及所述候選概念的概念特征，確定所述候選概念是否為合理候選概念，所述文本特征為所述目標文本對應的自然語言文本的文本向量，所述候選概念的概念特征為所述候選概念對應的文本向量；

處理模塊，用于若所述候選概念為合理候選概念，則根據預設概念清洗規則對所述候選概念進行數據清洗，以得到所述目標文本對應的目標概念；若所述候選概念不是合理候選概念，丟棄所述候選概念；

其中，所述概念判別模型包括統計模型子網絡、文本識別子網絡以及圖向量子網絡，所述確定模塊包括：

第一確定子模塊，用于通過所述統計模型子網絡，根據所述目標文本對應的統計特征，確定所述目標文本對應的第一向量表示；

第二確定子模塊，用于通過所述文本識別子網絡，確定所述文本特征對應的第二向量表示；

第三確定子模塊，用于通過所述圖向量子網絡，確定所述概念特征對應的第三向量表示，所述第三確定子模塊包括：確定單元，用于通過所述圖向量子網絡中的圖向量層，確定所述概念特征對應的圖向量；編碼單元，用于通過所述圖向量子網絡中的編碼層，對所述圖向量進行編碼，以得到所述第三向量表示；

第四確定子模塊，用于根據所述第一向量表示、所述第二向量表示以及所述第三向量表示對所述候選概念進行打分，并根據所述候選概念的分數確定所述候選概念是否為合理候選概念。

5.根據權利要求4所述的裝置，其特征在于，所述獲取模塊包括以下至少之一：

第一獲取子模塊，用于從預設數據庫中存儲的候選短語中獲取所述候選概念；或，

第一處理子模塊，用于對預設平臺中的用戶搜索詞進行分詞，以得到所述候選概念；或，

第二獲取子模塊，用于通過預先訓練完成的短語挖掘模型，從所述預設平臺的用戶生成數據中獲取所述候選概念。