[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

说明书

本申请公开了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，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。通过上述方法，可以有效挖掘电台名称的潜在同义词，从而提升电台名称识别准确率，增强用户体验感。

技术领域

本发明涉及大数据处理技术领域，特别是涉及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。

背景技术

广播电台是采编、制作并利用无线电波向一定区域的受众传送声音节目的大众传播机构。通过无线电波或导线进行通信的新闻传播工具。通过无线电波传送节目的称无线广播，通过导线传送节目的称有线广播。

随着汽车智能化，用户更愿意通过语音控制多媒体播放，其中使用频率比较高之一是电台播放，但是用户对同一电台名称说法五花八门，往往习惯说关键词简称或者别称，例如北京交通广播电台，可以说成北京交通台、交通1039广播、北京交通之声等等，其实用户都是想听北京交通广播电台。

现有技术中车载系统的语义理解无法做到完全支持，而且迭代周期较长，就算迭代完成，对于用户新说法也不能及时支持，用户体验感差，从而降低对语音使用粘性。

因此，如何挖掘电台名称的潜在同义词，提升电台名称识别准确率，增强用户体验感，是本领域技术人员有待解决的技术问题。

发明内容

为解决现有技术中的车载系统不能挖掘电台名称的潜在同义词，从而造成电台名称识别度差的技术问题，本发明提供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。

为实现本发明目的提供的一种基于大数据挖掘电台名称同义词的方法，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。

在其中一些具体实施例中，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。

在其中一些具体实施例中，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。

在其中一些具体实施例中，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。

在其中一些具体实施例中，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；