[发明专利]领域短语挖掘方法、装置和电子设备

权利要求书

1.一种领域短语挖掘方法，包括：

对目标文本中的领域短语进行词向量转换以获得第一词向量，对所述目标文本中的未知短语进行词向量转换以获得第二词向量，其中，所述领域短语为所述目标文本所属领域中的短语；

获取所述第一词向量和所述第二词向量形成的词向量空间，并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量；

基于所述预设数量的目标词向量与所述第二词向量之间的相似度值，确定所述未知短语是否为所述目标文本所属领域的短语。

2.根据权利要求1所述的方法，还包括：

获取所述第一词向量形成的第一聚类簇，并获取预设常规短语转换成第三词向量后形成的第二聚类簇；

获取所述第二词向量与所述第一聚类簇的簇中心之间的第一距离，以及获取所述第二词向量与所述第二聚类簇的簇中心之间的第二距离；

所述识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量包括：

在所述第一距离小于所述第二距离的情况下，识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。

3.根据权利要求1所述的方法，其中，所述基于所述预设数量的目标词向量与所述第二词向量之间的相似度值，确定所述未知短语是否为所述目标文本所属领域的短语包括：

获取每一个所述目标词向量与所述第二词向量之间的目标相似度值，得到所述预设数量的目标相似度值，并获取所述预设数量的目标相似度值的相似度值之和；

在所述相似度值之和大于预设阈值的情况下，确定所述未知短语为所述目标文本所属领域的短语；

在所述相似度值之和小于所述预设阈值的情况下，确定所述未知短语不为所述目标文本所属领域的短语。

4.根据权利要求3所述的方法，其中，所述预设阈值与所述领域短语的数量及预设常规短语的数量相关。

5.根据权利要求1所述的方法，还包括：

在确定所述未知短语为所述目标文本所属领域的短语的情况下，将所述未知短语作为领域短语挖掘模型的训练正样本，所述训练正样本进行词向量转换后属于第一聚类簇；

在确定所述未知短语不为所述目标文本所属领域的短语的情况下，将所述未知短语作为领域短语挖掘模型的训练负样本，所述训练负样本进行词向量转换后属于第二聚类簇；

其中，所述领域短语挖掘模型为孪生网络结构模型。

6.一种领域短语挖掘装置，包括：

转换模块，用于对目标文本中的领域短语进行词向量转换以获得第一词向量，对所述目标文本中的未知短语进行词向量转换以获得第二词向量，其中，所述领域短语为所述目标文本所属领域中的短语；

识别模块，用于获取所述第一词向量和所述第二词向量形成的词向量空间，并识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量；

确定模块，用于基于所述预设数量的目标词向量与所述第二词向量之间的相似度值，确定所述未知短语是否为所述目标文本所属领域的短语。

7.根据权利要求6所述的装置，还包括：

第一获取模块，用于获取所述第一词向量形成的第一聚类簇，并获取预设常规短语转换成第三词向量后形成的第二聚类簇；

第二获取模块，用于获取所述第二词向量与所述第一聚类簇的簇中心之间的第一距离，以及获取所述第二词向量与所述第二聚类簇的簇中心之间的第二距离；

所述识别模块还用于：

在所述第一距离小于所述第二距离的情况下，识别所述词向量空间中位于所述第二词向量周围的预设数量的目标词向量。

8.根据权利要求6所述的装置，其中，所述确定模块还用于：

获取每一个所述目标词向量与所述第二词向量之间的目标相似度值，得到所述预设数量的目标相似度值，并获取所述预设数量的目标相似度值的相似度值之和；

在所述相似度值之和大于预设阈值的情况下，确定所述未知短语为所述目标文本所属领域的短语；

在所述相似度值之和小于所述预设阈值的情况下，确定所述未知短语不为所述目标文本所属领域的短语。