[发明专利]关联话题的识别方法和装置

说明书

本发明公开了一种关联话题的识别方法和装置。其中，关联话题的识别方法包括：获取目标关键词；确定目标关键词对应的多维数组，其中，多维数组中每一维度数字用于表示目标关键词的一个属性；计算目标关键词对应的多维数组与目标话题对应的多维数组之间的关联指数，其中，关联指数用于表示目标关键词与每一个目标话题之间的关联性，目标话题为预先标记的具有多维数组的多个话题；以及根据计算得到的关联指数确定出与目标关键词相关联的话题。通过本发明，解决了现有技术中话题识别的准确性低的问题，达到了提高话题识别的准确性的效果。

技术领域

本发明涉及话题识别领域，具体而言，涉及一种关联话题的识别方法和装置。

背景技术

话题识别主要是指，根据给出的关键词，从大量文本中识别出与给定关键词相关的话题，如：给定关键词“高考”，如何识别文本中与之相关的话题。这里的话题可以是指互联网上的话题，例如新闻话题、微博话题等，主要以文本的形式体现。

目前，对于话题识别，主要将给定的关键词与文本中的话题进行匹配，如果话题中出现给定的关键词，则认为话题与关键词相关。然而，由于语言的灵活性较强，会出现这样的情况：话题与给定的关键词关联性较高，但话题中没有出现该关键词，采用上述的匹配方式则无法准确定识别出与关键词相关的话题。

针对现有技术中话题识别的准确性低的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种关联话题的识别方法和装置，以解决现有技术中话题识别的准确性低的问题。

为了实现上述目的，根据本发明实施例的一个方面，提供了一种关联话题的识别方法。根据本发明的关联话题的识别方法包括：获取目标关键词；用机器学习方法确定所述目标关键词对应的多维数组，其中，所述多维数组中每一维度数字用于表示所述目标关键词的一个属性；计算所述目标关键词对应的多维数组与目标话题对应的多维数组之间的关联指数，其中，所述关联指数用于表示所述目标关键词与每一个所述目标话题之间的关联性，所述目标话题为预先标记的具有多维数组的多个话题；以及根据计算得到的关联指数确定出与所述目标关键词相关联的话题。

进一步地，计算所述目标关键词对应的多维数组与目标话题对应的多维数组之间的关联指数包括：计算所述目标关键词对应的多维数组与所述目标话题对应的多维数组之间的欧氏距离，将所述欧氏距离作为所述关联指数，其中，所述目标关键词与话题之间的欧氏距离越小表示所述目标关键词与所述话题之间的关联性越高。

进一步地，计算所述目标关键词对应的多维数组与所述目标话题对应的多维数组之间的关联指数包括：获取所述目标话题对应的多维数组；直接计算所述目标关键词对应的多维数组所述目标话题对应的多维数组之间的关联指数，或者，获取所述目标话题中每个词语对应的多维数组；计算所述目标关键词对应的多维数组与所述目标话题中每个词语对应的多维数组之间的关联指数；由所述目标关键词对应的多维数组与所述每个词语对应的多维数组之间的关联指数计算得到所述目标关键词对应的多维数组与所述目标话题对应的多维数组之间的关联指数。

进一步地，根据计算得到的关联指数确定出与所述目标关键词关联的话题包括：判断所述计算得到的关联指数是否满足预设条件；如果判断出所述计算得到的关联指数满足所述预设条件，则确定所述计算得到的关联指数满足所述预设条件的目标话题与所述目标关键词相关联；如果判断出所述计算得到的关联指数不满足所述预设条件，则确定所述计算得到的关联指数不满足所述预设条件的目标话题与所述目标关键词不相关。

进一步地，在获取目标关键词之前，所述识别方法还包括：获取目标文本，所述目标文本中包含有所述目标话题；利用分词工具对所述目标文本进行分词，并标记出所述目标文本中每个词语的词性；按照预先建立的词性规则模型根据分词后的词语的词性确定出所述目标话题，并对所述目标话题进行标记；以及根据机器学习方法确定分词后的每个词对应的多维数组和所述目标话题对应的多维数组。