[发明专利]数据挖掘方法、装置和计算机可读存储介质

说明书

本公开涉及一种数据挖掘方法、装置和计算机可读存储介质，涉及计算机技术领域。本公开的方法包括：获取待挖掘的评论语句；利用预先训练的第一机器学习模型，根据待挖掘的评论语句中词语的前后关联关系，将待挖掘的评论语句转换为句向量；将句向量输入预先训练的第二机器学习模型，输出待挖掘的评论语句中关于评论对象的属性词语和该属性词语对应的观点词语。本公开的方案可以提高同义词的识别率，提高在评论数据中挖掘用户观点的准确性。

技术领域

本公开涉及计算机技术领域，特别涉及一种数据挖掘方法、装置和计算机可读存储介质。

背景技术

随着互联网的快速发展，数据规模呈指数增长。在大数据时代，数据的采集、加工、存储和结构化数据分析的一整套解决方案日渐成熟。相较于其他数据，用户评论数据往往呈文本式的非结构数据，提高了通过分析用户评论挖掘产品性能的门槛。然而，从用户评论反馈中分析产品优缺点、服务质量好坏对优化产品、服务，有很大的指导意义。

目前较常见的评论观点挖掘方法有基于词表的观点挖掘方法。词表中存储了评论对象的属性和属性对应的观点值，例如，“口感”“香醇”。根据词表对评论语句中的词进行匹配，确定评论语句中关于评论对象的属性和属性对应的观点值。

发明内容

发明人发现：现有的评论观点挖掘方法无法识别同义词。而网络用户评论用语存在多样性，比如，醇香、香醇、醇正等属于同义词，但是现有方法不能全部识别。因此，现有的方法无法准确的对评论中的观点进行挖掘。

本公开所要解决的一个技术问题是：提高在评论数据中挖掘用户观点的准确性。

根据本公开的一些实施例，提供的一种数据挖掘方法，包括：获取待挖掘的评论语句；利用预先训练的第一机器学习模型，根据待挖掘的评论语句中词语的前后关联关系，将待挖掘的评论语句转换为句向量；将句向量输入预先训练的第二机器学习模型，输出待挖掘的评论语句中关于评论对象的属性词语和该属性词语对应的观点词语。

在一些实施例中，利用预先训练的第一机器学习模型，根据待挖掘的评论语句中词语的前后关联关系，将待挖掘的评论语句转换为句向量包括：对待挖掘的评论语句进行分词；将分词输入预先训练的第一机器学习模型，以便根据待挖掘的评论语句中分词的前后关联关系，输出各个分词的词向量；将待挖掘的评论语句中各个分词的词向量相加，得到待挖掘的评论语句的句向量。

在一些实施例中，该方法还包括：获取用于训练的评论语句，用于训练的评论语句被标注了关于评论对象的属性词语和属性词语对应的观点词语；利用预先训练的第一机器学习模型，根据用于训练评论语句中词语的前后关联关系，将用于训练评论语句转换为句向量；利用用于训练的评论语句的句向量对第二机器学习模型进行训练。

在一些实施例中，该方法还包括：根据评论语句的句法结构和各个分词的词性，在评论语句中标注关于评论对象的属性词语和属性词语对应的观点词语，作为用于训练的评论语句。

在一些实施例中，根据评论语句的句法结构句子中和各个分词的词性，在评论语句中标注关于评论对象的属性词语和属性词语对应的观点词语包括：选取句法结构为预设结构的评论语句片段，将评论语句片段中的分词标注为关于评论对象的属性词语和属性词语对应的观点词语；或者从评论语句中确定距离在预设范围内的名词和形容词，将该名词标注为关于评论对象的属性词语，将该形容词标注为属性词语对应的观点词语。

在一些实施例中，该方法还包括：根据评论语句的句法结构和各个分词的词性，确定关于评论对象的候选属性词语和候选属性词语对应的候选观点词语，作为候选词组；根据候选词组在评论语句中的重要性和候选词组中候选属性词语和候选观点词语的相关性中至少一项信息，在评论语句中标注关于评论对象的属性词语和属性词语对应的观点词语，作为用于训练的评论语句。