[发明专利]一种主题概念挖掘方法、装置、设备以及存储介质

权利要求书

1.一种主题概念挖掘方法，其特征在于，包括：

基于搜索信息获取多个候选主题概念；

对多个候选主题概念进行切词，并对所述切词后的词语进行词性标注，以得到每个候选主题概率的词性序列；

基于所述词性序列，对所述多个候选主题概念进行过滤，以过滤掉所述多个候选主题概念中目标词性序列对应的主题概念，其中，所述目标词性序列的准确主题概念的占比低于或者等于第一预设阈值，或者所述目标词性序列的错误主题概念的占比高于或者等于第二预设阈值；

其中，所述基于搜索信息获取多个候选主题概念，包括：

对第一搜索信息进行切词，以得到第一切词结果；

对第一多媒体内容进行切词，以得到第二切词结果，其中，所述第一多媒体内容为所述第一搜索信息在搜索时命中的多媒体内容；

依据所述第一切词结果和所述第二切词结果，确定第一候选主题概念，其中，所述第一候选主题概念为词语连续在所述第一搜索信息中出现，且词语连续在所述第一多媒体内容中出现的词语内容，所述第一候选主题概念为所述多个候选主题概念中的一个。

2.如权利要求1所述的方法，其特征在于，所述基于所述词性序列，对所述多个候选主题概念进行过滤，以过滤掉所述多个候选主题概念中目标词性序列对应的主题概念之前，所述方法还包括：

对所述多个候选主题概念中的部分主题概念进行标注，得到标注结果，所述标注结果表示所述部分主题概念中每个主题概念是否准确，所述部分主题概念的词性序列包括所述多个候选主题概念的词性序列；

依据所述标注结果，统计每个词性序列的准确主题概念的占比或者错误主题概念的占比。

3.如权利要求1所述的方法，其特征在于，所述第一候选主题概念为多个连续内容中长度最长的一个，所述连续内容是指词语连续在所述第一搜索信息中出现，且词语连续在所述第一多媒体内容中出现的词语内容。

4.如权利要求1所述的方法，其特征在于，所述基于所述词性序列，对所述多个候选主题概念进行过滤，以过滤掉所述多个候选主题概念中目标词性序列对应的主题概念之后，所述方法还包括：

依据目标模板，删除所述过滤的候选主题概念中目标候选主题概念，其中，在所述目标模板为错误主题概念模板的情况下，所述目标候选主题为与所述目标模板匹配的主题概念，或者，在所述目标模板为准确主题概念模板的情况下，所述目标候选主题为所述过滤的候选主题概念中未与所述目标模板匹配的主题概念。

5.一种主题概念挖掘装置，其特征在于，包括：

获取模块，用于基于搜索信息获取多个候选主题概念；

切词模块，用于对多个候选主题概念进行切词，并对所述切词后的词语进行词性标注，以得到每个候选主题概率的词性序列；

过滤模块，用于基于所述词性序列，对所述多个候选主题概念进行过滤，以过滤掉所述多个候选主题概念中目标词性序列对应的主题概念，其中，所述目标词性序列的准确主题概念的占比低于或者等于第一预设阈值，或者所述目标词性序列的错误主题概念的占比高于或者等于第二预设阈值；

其中，所述获取模块包括：

第一切词单元，用于对第一搜索信息进行切词，以得到第一切词结果；

第二切词单元，用于对第一多媒体内容进行切词，以得到第二切词结果，其中，所述第一多媒体内容为所述第一搜索信息在搜索时命中的多媒体内容；

确定单元，用于依据所述第一切词结果和所述第二切词结果，确定第一候选主题概念，其中，所述第一候选主题概念为词语连续在所述第一搜索信息中出现，且词语连续在所述第一多媒体内容中出现的词语内容，所述第一候选主题概念为所述多个候选主题概念中的一个。

6.如权利要求5所述的装置，其特征在于，所述装置还包括：

标注模块，用于对所述多个候选主题概念中的部分主题概念进行标注，得到标注结果，所述标注结果表示所述部分主题概念中每个主题概念是否准确，所述部分主题概念的词性序列包括所述多个候选主题概念的词性序列；

统计模块，用于依据所述标注结果，统计每个词性序列的准确主题概念的占比或者错误主题概念的占比。