[发明专利]一种词云数据生成方法以及装置

权利要求书

1.一种词云数据生成方法，其特征在于，包括：

获取资讯信息；

根据所述资讯信息，获取指定对象标识对应的词云短语候选集；

根据预设筛选策略，确定所述词云短语候选集中待展示的目标词云短语；

展示所述指定对象标识以及对应的目标词云短语。

2.根据权利要求1所述的方法，其特征在于，

所述根据所述资讯信息，获取指定对象标识对应的词云短语候选集，包括：

从所述资讯信息中，获取与所述指定对象标识关联的语料；

对所述语料进行分词处理，以得到分词处理结果；

对所述分词处理结果进行挖掘处理，以得到词云短语候选集；

所述根据预设筛选策略，确定所述词云短语候选集中待展示的目标词云短语，包括：

根据所述语料的统计数据，确定所述词云短语候选集中待展示的目标词云短语。

3.根据权利要求2所述的方法，其特征在于，所述根据所述语料的统计数据，确定所述词云短语候选集中待展示的目标词云短语，包括：

根据所述语料的统计数据，确定所述词云短语候选集中的每个词云短语在所述语料中的真实出现次数；

根据所述语料的统计数据，确定所述词云短语候选集中的每个词云短语在所述语料中的期望出现次数；

根据所述词云短语候选集中的每个词云短语在所述语料中的真实出现次数和期望出现次数，确定所述词云短语候选集中的每个词云短语的重要性分数；

从所述词云短语候选集中重要性分数大于或等于预设分数的词云短语中，确定待展示的目标词云短语。

4.根据权利要求3所述的方法，其特征在于，所述根据所述语料的统计数据，确定所述词云短语候选集中的每个词云短语在所述语料中的期望出现次数，包括：

确定组成第一词云短语的每个词语在所述词云短语候选集中的真实出现次数，以及根据所述语料的统计数据，确定所述语料中的词语总数量和组成所述第一词云短语的每个词语在所述语料中的真实出现次数；其中，所述第一词云短语为所述词云短语候选集中的任一词云短语；

分别计算组成所述第一词云短语的每个词语在所述词云短语候选集中的真实出现次数与在所述语料中的真实出现次数的比值，以得到组成所述第一词云短语的每个词语对应的比值；

计算组成所述第一词云短语的各个词语对应的比值的乘积；

根据所计算的乘积和所述语料中的词语总数量，确定所述第一词云短语在所述语料中的期望出现次数。

5.根据权利要求3所述的方法，其特征在于，所述根据所述词云短语候选集中的每个词云短语在所述语料中的真实出现次数和期望出现次数，确定所述词云短语候选集中的每个词云短语的重要性分数，包括：

计算第二词云短语在所述语料中的真实出现次数和期望出现次数的差值；其中，所述第二词云短语为所述词云短语候选集中的任一词云短语；

计算所述第二词云短语在所述语料中的真实出现次数的开方结果；

计算所述差值与所述开方结果的比值，并将所计算的比值作为所述第二词云短语的重要性分数。

6.根据权利要求3所述的方法，其特征在于，所述从所述词云短语候选集中重要性分数大于或等于预设分数的词云短语中，确定待展示的目标词云短语，包括：

在重要性分数大于或等于预设分数的词云短语中删除满足预设条件的词云短语，并将剩余的词云短语作为待展示的目标词云短语；

其中，任一词云短语满足所述预设条件是指满足以下至少一项：

词云短语以日期结尾；

词云短语的数字占比大于预设比例；

词云短语包含重复词语；

重要性分数大于或等于预设分数的词云短语中存在与当前词云短语具有指定重复性关系且长于当前词云短语的词云短语。