[发明专利]用户生成内容标签数据生成方法、装置及相关方法和装置

摘要

本申请公开了一种用户生成内容（UGC）的标签数据的生成方法、装置及相关方法和装置，包括：获取UGC数据；对所述UGC数据进行分词，计算各词的词频，选择词频排在前指定位的词组成词表；计算所述词表中的词的两两之间的词距离，对该词表中的词进行聚类，得到N个词集合；对所述各词集合中的每个词进行扩展，得到扩展后词表，计算拓展后词表中的词的两两之间的词距离，对该扩展后词表中的词进行聚类，得到B个词集合；判断B–N是否小于指定值，如果是则跳到下一步，否则重复本步骤；从所述B个词集合中识别指定类型的词，根据所识别出的词生成UGC的标签数据。利用本发明，可以提高用户获取有效目标信息的获取效率，降低获取成本。

主权项

1.一种用户生成内容UGC的标签数据的生成方法，其特征在于，包括：获取UGC数据；对所述UGC数据进行分词，计算各词的词频，选择词频排在前指定位的词组成词表；计算所述词表中的词的两两之间的词距离，按照所述两两之间的词距离对该词表中的词进行聚类，得到N个词集合；进行扩展语料处理，包括：对所述各词集合中的每个词进行扩展，得到扩展后词表，计算拓展后词表中的词的两两之间的词距离，按照所述两两之间的词距离对该扩展后词表中的词进行聚类，得到B个词集合；判断B–N是否小于指定值，如果是则跳到下一步，否则对所述B个词集合重复执行扩展语料处理；从所述B个词集合中识别指定类型的词，根据所识别出的词生成UGC的标签数据；其中，所述从所述B个词集合中识别指定类型的词，根据所识别出的词生成UGC的标签数据，包括：从所述B个词集合中识别出属性词集合，生成所述属性词集合对应的情感词集合，查询所述属性词集合中的每个词与对应生成的情感词集合中的每个词两两结合在当前处理的UGC内容中共同出现的比率，得到出现比率在前指定位的属性词和对应的情感词，按照所得到的属性词和对应的情感词生成当前处理的UGC的标签数据。