申请/专利权人：国家计算机网络与信息安全管理中心广东分中心;恒安嘉新(北京)科技股份公司

申请日：2020-09-28

公开（公告）日：2024-04-02

公开（公告）号：CN112148872B

主分类号：G06F16/34

分类号：G06F16/34;G06F16/332;G06F16/33;G06F40/289;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.01.15#实质审查的生效;2020.12.29#公开

摘要：本公开实施例公开了一种自然对话主题分析方法、装置、电子设备、及存储介质，方法包括：获取多个自然对话文本，对任一自然对话文本进行切和分词处理得到分词序列；将根据所述多个自然对话文本得到的分词序列集合进行聚合分组分成多个分词序列子集合；对任一分词序列子集合提取核心关键词；对任一分词序列子集合中任一分词序列，分别计算任意两个核心关键词词序字符串的莱文斯坦距离以获取主题纯度；根据所述分词序列集合所包含的各分词序列子集合的主题纯度和对应的关键词集合，进行分析结果输出。本实施例的技术方案能够直接根据批量或海量的自然对话分析主题，无需人工参与，能提高主题分析效率。

主权项：1.一种自然对话主题分析方法，其特征在于，包括：获取多个自然对话文本，对任一自然对话文本按照对话角色进行切分得到一个或多个对话单元，对任一对话单元的文本内容进行分词处理得到分词序列；将根据所述多个自然对话文本得到的分词序列集合进行聚合分组分成多个分词序列子集合；对任一分词序列子集合，从所包含的分词中提取文档频率大于指定频率阈值的分词作为核心关键词，以得到该分词序列子集合对应的核心关键词集合；对任一分词序列子集合中任一分词序列，根据所包含的核心关键词和各核心关键词出现的顺序生成该分词序列对应的核心关键词词序字符串，分别计算任意两个核心关键词词序字符串的莱文斯坦距离；根据任一分词序列对应的核心关键词词序字符串与所属分词序列子集合中其他分词序列对应的核心关键词词序字符串之间的莱文斯坦距离，确定该分词序列与所属的分词序列子集合的主题相似度，以及根据任一分词序列子集合所包含的各分词序列的主题相似度确定该分词序列子集合的主题纯度；根据所述分词序列集合所包含的各分词序列子集合的主题纯度和对应的关键词集合，进行分析结果输出。

全文数据：

权利要求：

百度查询： 国家计算机网络与信息安全管理中心广东分中心;恒安嘉新(北京)科技股份公司 自然对话主题分析方法、装置、电子设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD