[发明专利]一种基于大数据挖掘电台名称同义词的方法、系统、电子设备及存储介质

权利要求书

1.一种基于大数据挖掘电台名称同义词的方法，其特征在于，包括：

获取用户语音数据和行为数据；

对用户语音数据和行为数据进行处理，生成至少一个数据集合；

对数据集合进行挖掘处理，生成至少一个候选同义词集合；

将候选同义词集合更新至同义词表中，识别更新后的同义词表中的同义词是否错误；

当识别出错误的同义词时，将错误的同义词从同义词表中删除并加入黑名单。

2.根据权利要求1所述的基于大数据挖掘电台名称同义词的方法，其特征在于，对用户语音数据和行为数据进行处理，获取至少一个数据集合，具体包括：

根据用户语音数据和行为数据中的用户上下文埋点数据，将用户语音数据和行为数据划分为各个用户session。

3.根据权利要求2所述的基于大数据挖掘电台名称同义词的方法，其特征在于，对数据集合进行挖掘处理，具体包括：

对所述用户session分析挖掘；

对所述用户session内电台名称相似度计算挖掘；

在一段时间数据积累后，对公共模板拓展挖掘。

4.根据权利要求1所述的基于大数据挖掘电台名称同义词的方法，其特征在于，识别更新后的同义词表中的同义词是否错误，具体包括：

根据用户反馈结果，对更新后的同义词表中的同义词进行识别，判断同义词是否错误。

5.根据权利要求3所述的基于大数据挖掘电台名称同义词的方法，其特征在于，对所述用户session分析挖掘，具体包括：

对用户语音数据进行识别，当识别出用户通过语音多次呼叫电台名称未被响应时，对用户行为数据进行识别，当识别到用户通过行为选择电台名称时，则对用户通过语音多次呼叫的电台名称判断为潜在同义词；

在对同一地区所有使用同一个电台的用户用同种方式挖掘后，通过对挖掘出的潜在同义词的数量及热度判断潜在同义词是否为正确同义词。

6.根据权利要求3所述的基于大数据挖掘电台名称同义词的方法，其特征在于，对所述用户session内电台名称相似度计算挖掘，具体包括：

对所述用户电台session内的所有电台名称做相似度计算，依据相似度计算结果判断电台名称是否为潜在同义词；

对同一地区所有使用同一个电台的用户用同种方式挖掘后，通过对挖掘出的潜在同义词的数量及热度判断潜在同义词是否为正确同义词。

7.根据权利要求3所述的基于大数据挖掘电台名称同义词的方法，其特征在于，公共模板拓展挖掘，具体包括：

在一段时间数据积累后，对已经挖掘出的同义词中针对高频热门同义词抽取公共模板；

将公共模板应用到其他电台同义词中进行拓展挖掘。

8.一种基于大数据挖掘电台名称同义词的系统，其特征在于，包括：

获取模块，用于获取用户语音数据和行为数据；

处理模块，用于对用户语音数据和行为数据进行处理，生成至少一个数据集合；

挖掘模块，用于对数据集合进行挖掘处理，生成至少一个候选同义词集合；

识别模块，用于将候选同义词集合更新至同义词表中，识别更新后的同义词表中的同义词是否错误；当识别出错误的同义词时，将错误的同义词从同义词表中删除并加入黑名单。

9.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述计算机程序在所述电子设备上运行时，使得所述电子设备执行权利要求1至7中任一项所述方法的步骤。