[发明专利]挖掘文本数据的方法、装置、计算机设备和存储介质

说明书

本申请涉及一种挖掘文本数据的方法、装置、计算机设备和存储介质。所述方法包括：获取包括候选字符串的文本数据；根据成词函数计算候选字符串的分值，得到成词分值；从候选字符串中筛选出成词分值大于或等于第一预设阈值的字符串作为第一候选字符串；从第一候选字符串中查找与预设词典中匹配的字符串作为第一目标字符串，未匹配的字符串作为第二字符串；从第二字符串中查找出成词分值大于第二预设阈值的字符串作为第二目标字符串；将在预设知识库中查找到的目标字符串对应的类别作为目标字符串的目标类别。自动划分作品，对划分得到的字符串的成词分数确定目标字符串，并进行实时分类，保证字符串的划分速度，并较好的分类。

技术领域

本申请涉及计算机技术领域，尤其涉及一种挖掘文本数据的方法、装置、计算机设备和存储介质。

背景技术

在文学作品、时事报道等等作品对应的文本数据。现有的对作品中存在的道具、人物进行分析，基本都采用基于字典匹配的方法。基于字典匹配的方法时，需要字典中包含全部的字词等，而常规的道具字典和演员字典不能100％的涵盖作品对应的道具元素和人物元素，故在对作品进行数据挖掘时，无法准确的识别出作品中的道具元素和人物元素，从而影响数据挖掘结果，而对文本数据进行人为标注，虽然可以准确的识别文本数据中的道具元素和人物元素，但效率低。

发明内容

为了解决上述技术问题，本申请提供了一种挖掘文本数据的方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种挖掘文本数据的方法，包括：

获取文本数据，文本数据包括多个候选字符串；

根据预设成词函数计算各个候选字符串的分值，得到各个候选字符串的成词分值；

从候选字符串中筛选出成词分值大于或等于第一预设阈值的字符串作为第一候选字符串；

从第一候选字符串中查找与预设词典中的字符串匹配的字符串作为第一目标字符串，未匹配的字符串作为第二字符串；

从第二字符串中查找出成词分值大于第二预设阈值的字符串作为第二目标字符串，第一目标字符串和第二目标字符串组成目标字符串；

查找目标字符串是否位于预设知识库，预设知识库中包含字符串和对应的类别；

当目标字符串位于预设知识库中，将目标字符串在预设知识库中的类别作为目标字符串的目标类别。

第二方面，本申请提供了一种挖掘文本数据的装置，包括：

数据获取模块，用于获取文本数据，文本数据包括多个候选字符串；

成词分值计算模块，用于根据预设成词函数计算各个候选字符串的分值，得到各个候选字符串的成词分值；

第一筛选模块，用于从候选字符串中筛选出成词分值大于或等于第一预设阈值的字符串作为第一候选字符串；

词典查询模块，用于从第一候选字符串中查找与预设词典中的字符串匹配的字符串作为第一目标字符串，未匹配的字符串作为第二字符串；

第二筛选模块，用于从第二字符串中查找出成词分值大于第二预设阈值的字符串作为第二目标字符串，第一目标字符串和第二目标字符串组成目标字符串；

知识库查询模块，用于查找目标字符串是否位于预设知识库，预设知识库中包含字符串和对应的类别；

分类模块，用于当目标字符串位于预设知识库中，将目标字符串在预设知识库中的类别作为目标字符串的目标类别。

一种计算机设备，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计算机程序时实现以下步骤：

获取文本数据，文本数据包括多个候选字符串；