[发明专利]一种基于人工智能的文本挖掘方法、相关装置及设备

权利要求书

1.一种基于人工智能的文本挖掘方法，其特征在于，包括：

获取领域候选词所对应的领域候选词特征；

根据所述领域候选词特征，获取所述领域候选词所对应的词质量分值；

根据所述领域候选词所对应的词质量分值确定新词；

根据所述新词获取关联文本；

若根据所述关联文本确定领域种子词满足领域新词挖掘条件，则确定所述领域种子词为领域新词；

所述根据所述领域候选词特征，获取所述领域候选词所对应的词质量分值，包括：

基于所述领域候选词特征，通过随机森林模型所包括的决策树，获取所述领域候选词特征所对应的子分值；

根据所述领域候选词特征所对应的子分值，获取所述领域候选词所对应的词质量分值。

2.根据权利要求1所述的文本挖掘方法，其特征在于，所述获取领域候选词所对应的领域候选词特征，包括：

从领域语料库中获取语句；

对所述语句中的每个语句进行分词处理，得到文本序列；

根据所述文本序列获取所述领域候选词；

根据所述领域候选词获取所述领域候选词特征。

3.根据权利要求2所述的文本挖掘方法，其特征在于，所述根据所述文本序列获取所述领域候选词，包括：

根据词数采样阈值以及字符数采样阈值，获取所述文本序列所对应的领域候选词，其中，所述词数采样阈值表示词语数量的上限值，所述字符数采样阈值表示字符数量的上限值。

4.根据权利要求2所述的文本挖掘方法，其特征在于，所述根据所述领域候选词获取所述领域候选词特征，包括：

根据所述文本序列获取所述领域候选词所对应的领域候选词特征，其中，所述领域候选词特征包括词频、词频逆文档频率TFIDF值、自由度、凝固度、左侧信息熵以及右侧信息熵中的至少一项。

5.根据权利要求1所述的文本挖掘方法，其特征在于，所述根据所述领域候选词所对应的词质量分值确定新词，包括：

若所述领域候选词所对应的词质量分值大于或等于质量分阈值，则确定所述领域候选词属于新词；

若所述领域候选词所对应的词质量分值小于所述质量分阈值，则确定所述领域候选词不属于新词。

6.根据权利要求1所述的文本挖掘方法，其特征在于，所述根据所述领域候选词所对应的词质量分值确定新词，包括：

根据所述领域候选词所对应的领域候选词特征，获取所述领域候选词所对应的词频；

若所述领域候选词所对应的词质量分值大于或等于质量分阈值，且，所述领域候选词所对应的词频大于或等于第一词频阈值，则确定所述领域候选词属于新词；

若所述领域候选词所对应的词质量分值小于所述质量分阈值，或，所述领域候选词所对应的词频小于所述第一词频阈值，则确定所述领域候选词不属于新词。

7.根据权利要求1所述的文本挖掘方法，其特征在于，所述根据所述新词获取关联文本，包括：

通过搜索引擎获取所述新词所对应的搜索反馈结果，其中，所述搜索反馈结果包括至少一条搜索结果；

根据所述新词对应的搜索反馈结果，从所述至少一条搜索结果中将相关度最高的前R条搜索结果确定为所述新词所对应的关联文本，其中，所述R为大于或等于1的整数。

8.根据权利要求1至7中任一项所述的文本挖掘方法，其特征在于，所述根据所述新词获取关联文本之后，所述方法还包括：

获取所述领域种子词；

根据所述关联文本，确定所述领域种子词的平均词频；

若所述平均词频大于或等于第二词频阈值，则确定所述领域种子词满足所述领域新词挖掘条件。

9.根据权利要求1至7中任一项所述的文本挖掘方法，其特征在于，所述根据所述新词获取关联文本之后，所述方法还包括：

获取所述领域种子词；

根据所述关联文本，确定所述领域种子词的最大词频；

若所述最大词频大于或等于第二词频阈值，则确定所述领域种子词满足所述领域新词挖掘条件。