[发明专利]一种短语挖掘方法及装置

说明书

本发明涉及计算机技术领域，尤其涉及一种短语挖掘方法及装置，该方法为，基于预设策略，获取候选短语集；根据预设过滤规则，对候选短语集进行过滤；针对过滤后的候选短语集中每一个候选短语，获得设定的多个维度中每个维度的特征信息；基于精选短语质量模型分别获得以各候选短语每个维度的特征信息为输入参数确定的质量分值，所述精选短语质量模型用于根据候选短语各维度的特征信息确定候选短语的质量分值；根据各候选短语的质量分值，筛选出满足预设质量条件的短语，这样，综合考虑多个维度的特征信息，使得筛选出的短语更加合理，提高短语挖掘的准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种短语挖掘方法及装置。

背景技术

自然语言处理中，通常首先需要将文本字符串表示成计算机能处理的数值向量。常用的方法可以基于不同粒度表示文本，并且为更加准确，考虑词与词之间的关联关系，可以采用短语(phrase)粒度来表示文本。

现有技术中，phrase挖掘方法，主要是采用频次统计的方法，一个候选phrase出现次数越多，则成为高质量phrase的可能性就越大，但是现有技术中的这种方式，考虑的维度较少，容易导致挖掘的phrase不合理，降低了准确性。

发明内容

本发明实施例提供一种短语挖掘方法及装置，以解决现有技术中短语挖掘准确性低，容易导致出现不合理短语的问题。

本发明实施例提供的具体技术方案如下：

本发明一个实施例提供了一种短语挖掘方法，包括：

基于预设策略，获取候选短语集；

根据预设过滤规则，对候选短语集进行过滤；

针对过滤后的候选短语集中每一个候选短语，获得设定的多个维度中每个维度的特征信息；

基于精选短语质量模型分别获得以各候选短语每个维度的特征信息为输入参数确定的质量分值，所述精选短语质量模型用于根据候选短语各维度的特征信息确定候选短语的质量分值；

根据各候选短语的质量分值，筛选出满足预设质量条件的短语。

本发明另一个实施例提供了一种短语挖掘装置，包括：

候选短语获取模块，用于基于预设策略，获取候选短语集；

规则过滤模块，用于根据预设过滤规则，对候选短语集进行过滤；

特征获取模块，用于针对过滤后的候选短语集中每一个候选短语，获得设定的多个维度中每个维度的特征信息；

质量分值获取模块，用于基于精选短语质量模型分别获得以各候选短语每个维度的特征信息为输入参数确定的质量分值，所述精选短语质量模型用于根据候选短语各维度的特征信息确定候选短语的质量分值；

筛选模块，用于根据各候选短语的质量分值，筛选出满足预设质量条件的短语。

本发明另一个实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时上述任一种短语挖掘方法的步骤。

本发明另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种短语挖掘方法的步骤。