[发明专利]数据挖掘方法、装置和设备

说明书

本发明实施例提供一种数据挖掘方法、装置和设备，该方法包括：从语料样本集合中提取多个关键词；在包含多个关键词中至少一个关键词的每条语料样本中，围绕每条语料样本中包含的关键词获取预设数量的候选词语，候选词语中包括被围绕的关键词；对获取的全部候选词语进行关联分析，以获得与多个关键词对应的搭配关系。通过提取关键词，以便围绕关键字进行关联分析所需的候选词语的选取，限制了关联分析的数据范围，即降低了关联分析的输入噪音，有利于保证关联分析结果即词语搭配关系挖掘结果的准确性。

技术领域

本发明涉及互联网技术领域，尤其涉及一种数据挖掘方法、装置和设备。

背景技术

用户通过电子商务平台进行网上购物已经成为用户目前主流的一种购物方式。为了提高用户购物体验，电子商务平台会提供在线交互工具，以供用户就自己关心的问题咨询商家。而且，电子商务平台还会提供自动问答技术，以便及时、自动地响应用户的咨询问题。

用户购物时往往会就商品信息、当前优惠活动、物流信息等问题咨询商家，这些咨询问题往往有很高的重复性，如果能将用户的高频问法挖掘整理，将有利于采用自动问答技术对用户的咨询问题进行自动回复，或者，也便于对用户咨询问题的分类汇总。而用户的高频问法常常表现为特定词语的搭配，从而，对用户的高频问法挖掘即为对词语搭配关系的挖掘。因此，如何准确地挖掘出常用的词语搭配关系是亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供一种数据挖掘方法、装置和设备，用以准确挖掘出诸如用户购物等应用场景下的常见词语搭配关系。

第一方面，本发明实施例提供一种数据挖掘方法，包括：

从语料样本集合中提取多个关键词；

在包含所述多个关键词中至少一个关键词的语料样本中，获取与所述语料样本中包含的关键词对应的候选词语集，所述候选词语集中包含所述关键词以及位于所述关键词预设窗口范围内的词语；

对获取的全部候选词语集进行关联分析，以获得与所述多个关键词对应的搭配关系。

第二方面，本发明实施例提供一种数据挖掘装置，包括：

提取模块，用于从语料样本集合中提取多个关键词；

获取模块，用于在包含所述多个关键词中至少一个关键词的语料样本中，获取与所述语料样本中包含的关键词对应的候选词语集，所述候选词语集中包含所述关键词以及位于所述关键词预设窗口范围内的词语；

分析模块，用于对获取的全部候选词语集进行关联分析，以获得与所述多个关键词对应的搭配关系。

在一个可能的设计中，上述数据挖掘装置的结构中包括处理器和存储器，所述存储器用于存储支持数据挖掘装置执行上述第一方面中数据挖掘方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述数据挖掘装置还可以包括通信接口，用于数据挖掘装置与其他设备或通信网络通信。

本发明实施例提供了一种计算机存储介质，用于储存数据挖掘装置所用的计算机软件指令，其包含用于执行上述第一方面中数据挖掘方法所涉及的程序。

第三方面，本发明实施例提供一种数据挖掘方法，应用于服务器中，包括：

采集来自客户端的语料样本，以生成语料样本集合；

从所述语料样本集合中提取多个关键词；

在包含所述多个关键词中至少一个关键词的语料样本中，获取与所述语料样本中包含的关键词对应的候选词语集，所述候选词语集中包含所述关键词以及位于所述关键词预设窗口范围内的词语；

对获取的全部候选词语集进行关联分析，以获得与所述多个关键词对应的搭配关系；

将所述搭配关系发送至所述客户端。