CN110874532A - 提取反馈信息的关键词的方法和装置 - Google Patents
提取反馈信息的关键词的方法和装置 Download PDFInfo
- Publication number
- CN110874532A CN110874532A CN201811001312.9A CN201811001312A CN110874532A CN 110874532 A CN110874532 A CN 110874532A CN 201811001312 A CN201811001312 A CN 201811001312A CN 110874532 A CN110874532 A CN 110874532A
- Authority
- CN
- China
- Prior art keywords
- feedback information
- word segmentation
- target
- algorithm
- weight value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000011218 segmentation Effects 0.000 claims abstract description 146
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 90
- 230000000875 corresponding Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 210000004556 Brain Anatomy 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000006011 modification reaction Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001808 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Abstract
本发明公开了提取反馈信息的关键词的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:基于预设的分词处理算法对反馈信息进行分词处理,获取反馈信息的至少一个目标分词;利用词频‑逆文档频率算法,计算至少一个目标分词在反馈信息中的权重值;根据至少一个目标分词的权重值和预设权重值,确认反馈信息的关键词。该实施方式利用预设的分词处理算法,获取反馈信息的目标分词,然后通过目标分词的权重值确认反馈信息的关键词,提高关键词的提取准确率,极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种提取反馈信息的关键词的方法和装置。
背景技术
当前社会属于竞争越来越激烈的时代,各行各业通过用户的反馈信息做出决策,完成对产品的更新改进,从而可以使自己的产品具有优势,提高用户体验。对反馈信息进行处理之前,需要对反馈信息进行分类,例如,判断反馈信息属于业务类还是技术类。
目前依靠人工对反馈信息进行筛选分类,此种方法在反馈信息内容较多的情况下,依靠人工分类反馈信息比较吃力,人力成本消耗大,且易漏掉重要信息。考虑到可以利用反馈信息中的关键词对反馈信息进行分类,那么,如何提取反馈信息中的关键词具有重要意义。
发明内容
有鉴于此,本发明实施例提供一种提取反馈信息的关键词的方法和装置,能够提高关键词的提取准确率,极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率。
为实现上述目的,根据本发明实施例的一个方面,提供了一种提取反馈信息的关键词的方法。
本发明实施例的一种提取反馈信息的关键词的方法,包括:基于预设的分词处理算法对反馈信息进行分词处理,获取所述反馈信息的至少一个目标分词;利用词频-逆文档频率算法,计算所述至少一个目标分词在所述反馈信息中的权重值;根据所述至少一个目标分词的权重值和预设权重值,确认所述反馈信息的关键词。
可选地,基于自定义的分词处理算法对反馈信息进行分词处理,获取所述反馈信息的至少一个目标分词,包括:基于改进的字符串匹配算法对所述反馈信息进行分词处理,获取所述反馈信息的原始分词;基于多重隐马尔科夫模型优化分词算法对所述原始分词进行优化分词处理,获取所述至少一个目标分词。
可选地,所述改进的字符串匹配算法包括:利用最小颗粒度切分规则和最大匹配规则的字符串匹配算法。
可选地,所述多重隐马尔科夫模型优化分词算法包括:将多重语义和噪声信息加入隐马尔科夫模型中,所形成的优化分词算法。
可选地,根据所述至少一个目标分词的权重值和预设权重值,确认所述反馈信息的关键词,包括:针对所述至少一个目标分词中的每个目标分词,判断所述目标分词的权重值是否大于所述预设权重值,若是,则以所述目标分词作为关键词;若所述至少一个目标分词中的所有目标分词的权重值均不大于所述预设权重值,则获取所述至少一个目标分词的权重值的最大值,并以所述最大值对应的目标分词作为关键词。
为实现上述目的,根据本发明实施例的再一方面,提供了一种提取反馈信息的关键词的装置。
本发明实施例的一种提取反馈信息的关键词的装置,包括:获取模块,用于基于预设的分词处理算法对反馈信息进行分词处理,获取所述反馈信息的至少一个目标分词;计算模块,用于利用词频-逆文档频率算法,计算所述至少一个目标分词在所述反馈信息中的权重值;确认模块,用于根据所述至少一个目标分词的权重值和预设权重值,确认所述反馈信息的关键词。
可选地,所述获取模块还用于:基于改进的字符串匹配算法对所述反馈信息进行分词处理,获取所述反馈信息的原始分词;基于多重隐马尔科夫模型优化分词算法对所述原始分词进行优化分词处理,获取所述至少一个目标分词。
可选地,所述改进的字符串匹配算法包括:利用最小颗粒度切分规则和最大匹配规则的字符串匹配算法。
可选地,所述多重隐马尔科夫模型优化分词算法包括:将多重语义和噪声信息加入隐马尔科夫模型中,所形成的优化分词算法。
可选地,所述确认模块还用于:针对所述至少一个目标分词中的每个目标分词,判断所述目标分词的权重值是否大于所述预设权重值,若是,则以所述目标分词作为关键词;若所述至少一个目标分词中的所有目标分词的权重值均不大于所述预设权重值,则获取所述至少一个目标分词的权重值的最大值,并以所述最大值对应的目标分词作为关键词。
为实现上述目的,根据本发明实施例的再一方面,提供了一种电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明实施例的关键词提取的方法。
为实现上述目的,根据本发明实施例的又一方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现本发明实施例的关键词提取的方法。
上述发明中的一个实施例具有如下优点或有益效果:能够利用预设的分词处理算法,获取反馈信息的目标分词,然后通过目标分词的权重值确认反馈信息的关键词,从而可以提高关键词的提取准确率,极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率;本发明实施例中对反馈信息进行分词处理时,利用改进的字符串匹配算法获取原始分词,具有易于实现而且分词速度也比较快的特点;本发明实施例中采用多重隐马尔科夫模型优化分词算法对所述原始分词进行优化分词处理,将多重语义和噪声信息加入模型中,从而可以结合语义情景对反馈信息进行分词,解决了交叉歧义和组合歧义稳态,提高了分词的准确率;本发明实施例中确认关键词时,根据预设权重值判断目标分词是否为关键词,并且在目标分词的权重值均不大于预设权重值的情况下,选择最大权重值对应的目标分词为关键词,从而可以提高本方案的实用性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的提取反馈信息中关键词的方法的主要步骤的示意图;
图2是根据本发明一个可参考实施例的提取反馈信息中关键词的方法的主要流程的示意图;
图3是根据本发明实施例的提取反馈信息中关键词的装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的提取反馈信息中关键词的方法的主要步骤的示意图。作为本发明的一个实施例,如图1所示,本发明实施例的提取反馈信息中关键词的方法的主要步骤可以包括:
步骤S101:基于预设的分词处理算法对反馈信息进行分词处理,获取反馈信息的至少一个目标分词。本发明中的反馈信息是指用户在购买某产品、消费某产品、或者享受某种产品服务之后,通过语音或者文本表达的反应信息。本发明中,需要对反馈信息进行分词处理,提取该反馈信息的关键词,考虑到本方案是针对中文的特殊性进行的关键词提取,因此本方案中的反馈信息可以是中文文本信息,也可以是通过语音转文字工具将语音信息转化的中文文本信息,当然也可以是其他形式的信息转化的中文文本信息,对此不作限定。
作为本发明的又一个可参考实施例,上述步骤S101基于预设的分词处理算法对反馈信息进行分词处理,获取反馈信息的至少一个目标分词,可以包括:基于改进的字符串匹配算法对反馈信息进行分词处理,获取反馈信息的原始分词;基于多重隐马尔科夫模型优化分词算法对原始分词进行优化分词处理,获取至少一个目标分词。基于字符串匹配的算法又称为机械分词方法或字典匹配方法,它主要依据词典的信息,而不使用规则知识和统计信息,按照一定的策略将待切分的汉字串与词典中的词条逐一匹配,若在词典中找到该词条,则匹配成功,否则做其它相应的处理。隐马尔可夫模型(Hidden Markov Model,HMM)是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程。
本发明实施例中,改进的字符串匹配算法可以包括:利用最小颗粒度切分规则和最大匹配规则的字符串匹配算法。最小颗粒度切分规则是指将原始字符串切分为不可分序列的规则,最大匹配规则根据扫描方向的不同分为正向最大匹配算法和逆向最大匹配算法。其中,正向最大匹配算法的基本原理是:选取固定长个汉字的符号串作为最大符号串,把最大符号串与词典中的单词条目相匹配,如果不能匹配,就去掉一个汉字继续匹配,直到在词典中找到相应的单词为止。以正向最大匹配算法的匹配方向是从左到右,减字方向是从右到左为例,具体的匹配过程如下:
(1)初始化字符串并设置最大符号串长度,令H1为待分析字符串,其初始值为反馈信息,H2为分词结果字符串,其初始值为空;
(2)若H1不为空,则从H1左边取出候选子串M;若H1为空,输出H2作为分词结果;
(3)将M与词典进行比对,若M在词典的词表中,将M加入到H2中,并将M从H1中去掉,然后跳转到第(2)步,若M不在词表中,将M的最右边一个字去掉,然后跳转到第(3)步。
逆向最大匹配算法与正向最大匹配算法类似,只是匹配方向是从右到左,减词方向是从坐到右。正向最大匹配算法和逆向最大匹配算法具有易于实现且分词速度较快的优势,但是,由于中文的博大精深,字符串匹配算法对交叉歧义和组合歧义没有好的解决办法。交叉歧义,例如对“脑海里”进行切分,因为“脑海”和“海里”都是词,那么这个短语就可以分成“脑海”和“里”或者是“脑”和“海里”;组合歧义必须根据整个句子来判断,例如在句子“他具有非凡的才能”中“才能”是个词,但在句子“只有他才能胜任该职位”中“才能”就不是一个词。交叉歧义和组合歧义均是由于没有人的知识去理解,计算机很难知道到底哪个方案正确,必须依靠上下文的语言环境才能给以正确的切分。因此,在利用字符串匹配算法对反馈信息进行分词处理之后,本发明通过多重隐马尔可夫模型进行再次分词处理。
本发明实施例中,多重隐马尔科夫模型优化分词算法可以包括:将多重语义和噪声信息加入隐马尔科夫模型中,所形成的优化分词算法。多重语义就是指同一文本信息不同的理解情景,例如,“我们三个人一组”可理解为“我们/三个人一组”或“我们三个人/一组”,又如,“诗人的风度”,所说的可能是诗人,也可能不是诗人。噪声信息是指影响最终分词结果的外在条件。本发明的多重隐马尔科夫模型优化分词算法就是将汉语的多重语义、噪声信息等影响最终结果的外在条件加入模型中,形成系统模型。实际上就是多个HMM的组合,每一层HMM都采用N-Best策略,将产生的最好的N个结果送到词图中供更高层次的模型使用。N-Best策略是指N最短路径策略,采取N-best方法,可以快速地得到N个最好的粗切分结果,接着在此结果集上,又采用隐马尔科夫算法识别出反馈信息中的特定信息,如商详、搜索、以及存在嵌套的专业词汇。另外,本方案中的多重隐马尔可夫模型是对多重语义进行不同的数据源构造,不做切除等其他内容的处理,也就是针对每一种语义都做为一种原始数据,减少了数据之间的耦合性。步骤S102:利用词频-逆文档频率算法,计算至少一个目标分词在反馈信息中的权重值。词频-逆文档频率算法(Term Frequency–Inverse DocumentFrequency,简称TF-IDF算法)是一种用于信息检索与数据挖掘的常用加权技术,根据TF-IDF算法可以计算出一个词的TF-IDF值(即,权重值),某个词对文章的重要性越高,它的TF-IDF值就越大。
目标分词的TF-IDF值就是:TF*IDF。首先计算目标分词在反馈信息中的词频(TermFrequency,TF),即目标分词在反馈信息中出现的频率。为了防止它偏向长的文件,TF值是对词数的归一化,具体计算公式如下:
从上述公式看出,反馈信息P中有k个目标分词,ni,P是指目标分词xi在反馈信息P中的出现次数,∑knk,P是指反馈信息P中k个目标分词出现的次数之和。逆向文件频率(Inverse Document Frequency,IDF)是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取对数得到。目标分词的TF-IDF值就是指目标分词的TF值与目标分词的IDF值的乘积,某一特定文件内的高词语频率,以及该词语在整个文件集合中的低文件频率,可以产生出高权重的TF-IDF。因此,TF-IDF可以过滤掉常见的词语,保留重要的词语。TF-IDF具体的计算公式如下:
上述公式中,TF-IDF(xi,p)是指目标分词xi在反馈信息P中的TF-IDF值,TF(xi,p)是指目标分词xi在反馈信息P中的词频,a为所有反馈信息总数,DF(xi)为目标分词xi在所有反馈信息中的词频,k为反馈信息P中包含的目标分词个数。通过上述公式,可以计算中目标分词在反馈信息中的TF-IDF值,也就是目标分词在反馈信息中的权重值。
步骤S103:根据至少一个目标分词的权重值和预设权重值,确认反馈信息的关键词。本发明根据目标分词的权重值,判断该目标分词是否为反馈信息的关键词,若是,则利用关键词对反馈信息进行分类,可以极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率。
作为本发明的再一个可参考实施例,步骤S103根据至少一个目标分词的权重值和预设权重值,确认反馈信息的关键词,可以包括:针对至少一个目标分词中的每个目标分词,判断目标分词的权重值是否大于预设权重值,若是,则认为该目标分词为关键词;当至少一个目标分词中的所有目标分词的权重值均不大于预设权重值时,获取至少一个目标分词的权重值的最大值,并认为最大值对应的目标分词为关键词。此步骤具体解释如何利用目标分词的权重值判断该目标分词是否为关键词,并设定在反馈信息的所有目标分词的权重值均小于预设权重值时,直接选择权重值最大的目标分词为关键词。
图2是根据本发明一个可参考实施例的提取反馈信息中关键词的方法的主要流程的示意图。如图2所示,本发明实施例的提取反馈信息中关键词的方法的主要流程可以包括:
步骤S201:基于改进的字符串匹配算法对反馈信息P进行分词处理,获取反馈信息P的原始分词;
步骤S202:基于多重隐马尔科夫模型优化分词算法对原始分词进行优化分词处理,获取反馈信息P的至少一个目标分词;
步骤S203:从获取的目标分词中选择任意一个为目标分词A,利用TF-IDF算法,计算目标分词A在反馈信息P的权重值;
步骤S204:判断目标分词A在反馈信息P中的权重值是否大于预设权重值,若是,则执行步骤S205,若否,执行步骤S206;
步骤S205:确认目标分词A为反馈信息P的关键词,并将其放入反馈信息P的关键词集合S中;
步骤S206:判断是否分析反馈信息P的所有目标分词,若是,则执行步骤S207;
步骤S207:判断关键词集合S是否为空,若是,则执行步骤S208,若否,则执行步骤S210;
步骤S208:获取反馈信息P的目标分词的权重值的最大值;
步骤S209:确认权重值的最大值对应的目标分词为反馈信息P的关键词,并将关键词放入关键词集合S中;
步骤S210:返回反馈信息P的关键词集合S。
步骤S201中的改进的字符串匹配算法和步骤S202中的多重隐马尔科夫模型优化分词算法在上文中已经具体介绍,此处不在累述。本方案在返回反馈信息P的关键词集合S之后,可以利用关键词集合S中的关键词分析反馈信息P的分类。
根据本发明实施例的提取反馈信息中关键词的技术方案可以看出,能够利用预设的分词处理算法,获取反馈信息的目标分词,然后通过目标分词的权重值确认反馈信息的关键词,从而可以提高关键词的提取准确率,极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率;本发明实施例中对反馈信息进行分词处理时,利用改进的字符串匹配算法获取原始分词,具有易于实现而且分词速度也比较快的特点;本发明实施例中采用多重隐马尔科夫模型优化分词算法对原始分词进行优化分词处理,将多重语义和噪声信息加入模型中,从而可以结合语义情景对反馈信息进行分词,解决了交叉歧义和组合歧义稳态,提高了分词的准确率;本发明实施例中确认关键词时,根据预设权重值判断目标分词是否为关键词,并且在目标分词的权重值均不大于预设权重值的情况下,选择最大权重值对应的目标分词为关键词,从而可以提高本方案的实用性。
图3是根据本发明实施例的提取反馈信息中关键词的装置的主要模块的示意图。如图3所示,本发明实施例的提取反馈信息中关键词的装置300主要包括以下模块:获取模块301、计算模块302和确认模块303。
本发明实施例中,获取模块301可用于基于预设的分词处理算法对反馈信息进行分词处理,获取反馈信息的至少一个目标分词。计算模块302可用于利用词频-逆文档频率算法,计算至少一个目标分词在反馈信息中的权重值。确认模块303可用于根据至少一个目标分词的权重值和预设权重值,确认反馈信息的关键词。
本发明实施例中,获取模块301还可用于:基于改进的字符串匹配算法对反馈信息进行分词处理,获取反馈信息的原始分词;基于多重隐马尔科夫模型优化分词算法对原始分词进行优化分词处理,获取至少一个目标分词。
本发明实施例中,改进的字符串匹配算法可以包括:利用最小颗粒度切分规则和最大匹配规则的字符串匹配算法。
本发明实施例中,多重隐马尔科夫模型优化分词算法可以包括:将多重语义和噪声信息加入隐马尔科夫模型中,所形成的优化分词算法。
本发明实施例中,确认模块303还可用于:针对至少一个目标分词中的每个目标分词,判断目标分词的权重值是否大于预设权重值,若是,则以目标分词作为关键词;若至少一个目标分词中的所有目标分词的权重值均不大于预设权重值,则获取至少一个目标分词的权重值的最大值,并以最大值对应的目标分词作为关键词。
从以上描述可以看出,能够利用预设的分词处理算法,获取反馈信息的目标分词,然后通过目标分词的权重值确认反馈信息的关键词,从而可以提高关键词的提取准确率,极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率;本发明实施例中对反馈信息进行分词处理时,利用改进的字符串匹配算法获取原始分词,具有易于实现而且分词速度也比较快的特点;本发明实施例中采用多重隐马尔科夫模型优化分词算法对所述原始分词进行优化分词处理,将多重语义和噪声信息加入模型中,从而可以结合语义情景对反馈信息进行分词,解决了交叉歧义和组合歧义稳态,提高了分词的准确率;本发明实施例中确认关键词时,根据预设权重值判断目标分词是否为关键词,并且在目标分词的权重值均不大于预设权重值的情况下,选择最大权重值对应的目标分词为关键词,从而可以提高本方案的实用性。
图4示出了可以应用本发明实施例的提取反馈信息中关键词的方法或提取反馈信息中关键词的装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的提取反馈信息中关键词的方法一般由服务器405执行,相应地,提取反馈信息中关键词的装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、计算模块和确认模块。其中,这些单元的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“基于预设的分词处理算法对反馈信息进行分词处理,获取反馈信息的至少一个目标分词的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:基于预设的分词处理算法对反馈信息进行分词处理,获取反馈信息的至少一个目标分词;利用词频-逆文档频率算法,计算至少一个目标分词在反馈信息中的权重值;根据至少一个目标分词的权重值和预设权重值,确认反馈信息的关键词。
根据本发明实施例的技术方案,能够利用预设的分词处理算法,获取反馈信息的目标分词,然后通过目标分词的权重值确认反馈信息的关键词,从而可以提高关键词的提取准确率,极大的获取有价值的反馈信息,减少重要内容被忽略的几率,提高工作效率;本发明实施例中对反馈信息进行分词处理时,利用改进的字符串匹配算法获取原始分词,具有易于实现而且分词速度也比较快的特点;本发明实施例中采用多重隐马尔科夫模型优化分词算法对所述原始分词进行优化分词处理,将多重语义和噪声信息加入模型中,从而可以结合语义情景对反馈信息进行分词,解决了交叉歧义和组合歧义稳态,提高了分词的准确率;本发明实施例中确认关键词时,根据预设权重值判断目标分词是否为关键词,并且在目标分词的权重值均不大于预设权重值的情况下,选择最大权重值对应的目标分词为关键词,从而可以提高本方案的实用性。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。