[发明专利]一种主题概念挖掘方法、装置、设备以及存储介质

说明书

本申请公开了一种主题概念挖掘方法、装置、设备以及存储介质，涉及知识图谱技术领域。具体实现方案为：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。本申请可以降低主题概念挖掘所需的人力成本。

技术领域

本申请涉及计算机技术领域中的知识图谱技术领域，尤其涉及一种主题概念挖掘方法、装置、设备以及存储介质。

背景技术

主题概念挖掘技术能够从大量搜索日志中提取到主题概念，其中，这些主题概念可以是描述一件事物、一件事情、一个人物等主题概念。然而，目前主题概念挖掘主要是以一批种子主题概念模板为起点，匹配种子搜索信息(query)得到候选主题概念，再基于候选主题概念匹配更多的搜索信息，从而得到候选模板，之后通过人工对候选模板对应的候选主题概念进行过滤，以实现主题概念挖掘，这样导致主题概念挖掘需要花费较大的人力成本。

发明内容

本申请提供了一种主题概念挖掘方法、装置、设备以及存储介质，以解决主题概念挖掘需要花费较大的人力成本的问题。

根据第一方面，提供了一种主题概念挖掘方法，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。

根据第二方面，提供了一种主题概念挖掘装置，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。

根据第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请提供的主题概念挖掘方法。

根据第三方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请提供的主题概念挖掘方法。

根据本申请的技术方案，由于通过候选主题概念的词性序列对候选主题概念进行过滤，从而降低了主题概念挖掘所需的人力成本。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请提供的本申请提供的一种主题概念挖掘方法的流程图；