文本挖掘的方法和裝置制造方法及圖紙

本發(fā)明專(zhuān)利技術(shù)提供了一種文本挖掘的方法和裝置。該方法包括文本串接收步驟，用于接收輸入文本串；狀態(tài)對(duì)提取步驟，用于根據(jù)輸入文本串提取狀態(tài)對(duì)，該狀態(tài)對(duì)包括第一狀態(tài)和第二狀態(tài)，第一狀態(tài)包含第一滿意度值和第一描述單元，第一滿意度值為滿意或不滿意，第一描述單元包含第一名詞和第一描述短語(yǔ)，其中，第一描述短語(yǔ)所描述的對(duì)象是第一名詞，第一描述短語(yǔ)包含第一形容詞或第一動(dòng)詞，且第二狀態(tài)與第一狀態(tài)相反；動(dòng)作文本生成步驟，用于生成動(dòng)作文本，動(dòng)作文本描述了一個(gè)動(dòng)作，該動(dòng)作對(duì)應(yīng)第一狀態(tài)到第二狀態(tài)的狀態(tài)轉(zhuǎn)移，動(dòng)作文本包含第三動(dòng)詞和第三動(dòng)詞的賓語(yǔ)。利用本發(fā)明專(zhuān)利技術(shù)，能準(zhǔn)確地生成動(dòng)作文本并對(duì)輸入文本串準(zhǔn)確分類(lèi)。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專(zhuān)利技術(shù)涉及信息提取、文本挖掘，并且特別地涉及用于對(duì)輸入文本進(jìn)行處理和分類(lèi)的方法和裝置。
技術(shù)介紹
在當(dāng)今社會(huì)中，顧客關(guān)系管理(CustomerRelationshipManagement)是現(xiàn)代企業(yè)發(fā)展的重要環(huán)節(jié)。通過(guò)顧客關(guān)系管理，企業(yè)記錄、評(píng)價(jià)、響應(yīng)顧客的意見(jiàn)，從而提高產(chǎn)品或服務(wù)水平、維系顧客忠誠(chéng)度。在顧客關(guān)系管理中，即時(shí)準(zhǔn)確處理顧客的各種反饋意見(jiàn)是非常重要的。大量顧客通過(guò)熱線電話、網(wǎng)絡(luò)、email等各種不同途徑提出他們的反饋，而企業(yè)從這些反饋中得到顧客對(duì)產(chǎn)品的期望、好惡等。傳統(tǒng)做法是通過(guò)人工手動(dòng)整理、挖掘這些信息，但很明顯，這樣做的缺點(diǎn)是成本高、效率低下，特別是當(dāng)顧客反饋信息的數(shù)量是海量數(shù)據(jù)時(shí)。美國(guó)專(zhuān)利US8738363提出了一種基于預(yù)先設(shè)定的術(shù)語(yǔ)和模板的建議挖掘的方法。例如，對(duì)于輸入文本“請(qǐng)支持加墨”，該方法找到一條歷史文本“你們能提供續(xù)加墨粉的功能嗎”該方法從輸入文本中提取“支持”作為建議術(shù)語(yǔ)，提取“加”和“墨”作為企業(yè)術(shù)語(yǔ)。同時(shí)，該方法從歷史文本中提取“提供”作為建議術(shù)語(yǔ)，提取“續(xù)加”和“墨粉”作為企業(yè)術(shù)語(yǔ)。其中，“支持”和“提供”是相似的，“加”和“續(xù)加”是相似的，“墨”和“墨粉”是相似的。因此，該方法判斷輸入文本與歷史文本屬于同一類(lèi)別。但是，該方法高度依賴于所提取的術(shù)語(yǔ)，因此文本挖掘的精度不夠高。有相似的術(shù)語(yǔ)的建議容易被分成相同的類(lèi)別，而沒(méi)有相似的術(shù)語(yǔ)的建議容易被分成不同的類(lèi)別。一方面，有相似的術(shù)語(yǔ)的文本的含義可能是不同的，而不應(yīng)被分成相同的類(lèi)別；另一方面，沒(méi)有相似的術(shù)語(yǔ)的文本的含義可能是相同的，而應(yīng)被分成相同的類(lèi)別。例如，一條輸入文本是“請(qǐng)?jiān)诠竟倬W(wǎng)上公布產(chǎn)品發(fā)布日期”，另一條歷史文本是“我想知道產(chǎn)品的發(fā)布日期”。因?yàn)檫@二者提取的關(guān)鍵字中都有“產(chǎn)品”、“發(fā)布”、“日期”這些相同的術(shù)語(yǔ)，因而被現(xiàn)有技術(shù)分成同一類(lèi)別。但是，前者表達(dá)了用戶想在官網(wǎng)上方便地看到產(chǎn)品發(fā)布日期，而后者表達(dá)了用戶想知道產(chǎn)品發(fā)布日期是什么。對(duì)這兩條文本，需要企業(yè)采取的響應(yīng)措施是不同的，這兩條文本也不應(yīng)當(dāng)屬于同一類(lèi)別。因此，仍然存在著對(duì)新的文本挖掘的方法和裝置的需求，從而提高文本挖掘的精度。
技術(shù)實(shí)現(xiàn)思路
本專(zhuān)利技術(shù)是鑒于上述問(wèn)題中的至少一者而提出的。根據(jù)本專(zhuān)利技術(shù)的一個(gè)方面，提供了一種文本挖掘的方法，該方法包括：文本串接收步驟，用于接收輸入文本串；狀態(tài)對(duì)提取步驟，用于根據(jù)輸入文本串提取狀態(tài)對(duì)，該狀態(tài)對(duì)包括第一狀態(tài)和第二狀態(tài)，第一狀態(tài)包含第一滿意度值和第一描述單元，第一滿意度值為滿意或不滿意，第一描述單元包含第一名詞和第一描述短語(yǔ)，其中，第一描述短語(yǔ)所描述的對(duì)象是第一名詞，第一描述短語(yǔ)包含第一形容詞或第一動(dòng)詞，且第二狀態(tài)包含第二滿意度值和第二描述單元，第二滿意度值為滿意或不滿意，且第二滿意度值與第一滿意度值相反，第二描述單元包含第一名詞和第二描述短語(yǔ)，其中，第二描述短語(yǔ)所描述的對(duì)象是第一名詞，第二描述短語(yǔ)包含第二形容詞或第二動(dòng)詞，且第二描述短語(yǔ)的含義與第一描述短語(yǔ)的含義相反；動(dòng)作文本生成步驟，用于生成動(dòng)作文本，動(dòng)作文本描述了一個(gè)動(dòng)作，該動(dòng)作對(duì)應(yīng)第一狀態(tài)到第二狀態(tài)的狀態(tài)轉(zhuǎn)移，動(dòng)作文本包含第三動(dòng)詞和第三動(dòng)詞的賓語(yǔ)。通過(guò)以下參照附圖對(duì)示例性實(shí)施例的描述，本專(zhuān)利技術(shù)的其他特征將變得清楚。鑒于上述內(nèi)容，本專(zhuān)利技術(shù)對(duì)輸入文本進(jìn)行結(jié)構(gòu)化的分析和語(yǔ)義分析，有效地提高了文本挖掘的精度。附圖說(shuō)明并入說(shuō)明書(shū)中并且構(gòu)成說(shuō)明書(shū)的一部分的附圖示出了本專(zhuān)利技術(shù)的實(shí)施例，并且與描述一起用于說(shuō)明本專(zhuān)利技術(shù)的原理。圖1是根據(jù)第一示例性系統(tǒng)配置的裝置的示意性框圖。圖2是文本挖掘單元的示例性硬件結(jié)構(gòu)的框圖。圖3示出了根據(jù)第一實(shí)施例的生成動(dòng)作文本的一般流程圖。圖4示出了狀態(tài)對(duì)提取步驟的一個(gè)示例性實(shí)現(xiàn)。圖5例示了動(dòng)作文本包含的四個(gè)屬性。圖6例示了一個(gè)匹配表的實(shí)例，匹配表包含多個(gè)狀態(tài)對(duì)的信息和多個(gè)動(dòng)詞短語(yǔ)之間的匹配關(guān)系。圖7示出了動(dòng)作文本生成步驟300的一個(gè)示例性流程圖。圖8示出了根據(jù)第二實(shí)施例的對(duì)文本串分類(lèi)的一般流程圖。圖9示出了文本串分類(lèi)步驟400的一個(gè)示例性流程圖。圖10示出了根據(jù)第三實(shí)施例的包含文本串預(yù)分類(lèi)步驟的對(duì)文本串分類(lèi)的一般流程圖。圖11示出了根據(jù)第三實(shí)施例的包含文本串預(yù)分類(lèi)步驟的對(duì)文本串分類(lèi)的一個(gè)示例性流程圖。圖12例示了對(duì)用戶建議的結(jié)構(gòu)化分類(lèi)的一個(gè)實(shí)例。圖13例示了應(yīng)用本專(zhuān)利技術(shù)的方法對(duì)顧客意見(jiàn)分類(lèi)的一個(gè)應(yīng)用的用戶界面。圖14是根據(jù)本專(zhuān)利技術(shù)的一個(gè)實(shí)施例的文本挖掘裝置的框圖。具體實(shí)施方式下面將參考附圖來(lái)詳細(xì)描述本專(zhuān)利技術(shù)的優(yōu)選的實(shí)施例。請(qǐng)注意，類(lèi)似的參考數(shù)字和字母指的是圖中的類(lèi)似的項(xiàng)目，因而一旦在一幅圖中定義了一個(gè)項(xiàng)目，就不需要在之后的圖中討論了。在本公開(kāi)中，術(shù)語(yǔ)“第一”、“第二”等僅僅被用來(lái)在元件或步驟之間進(jìn)行區(qū)分，而并不意圖表示時(shí)間順序、優(yōu)先級(jí)或重要性。應(yīng)當(dāng)指出，以下的描述實(shí)質(zhì)上僅是說(shuō)明性和示例性的，并且決不旨在限定本專(zhuān)利技術(shù)及其應(yīng)用或用途。在實(shí)施例中陳述的部件和步驟、數(shù)值表達(dá)式以及數(shù)值的相對(duì)布置并不限定本專(zhuān)利技術(shù)的范圍，除非另外特別說(shuō)明。(計(jì)算機(jī)系統(tǒng)的硬件配置)圖1是根據(jù)第一示例性系統(tǒng)配置的裝置的框圖。裝置100包括用戶界面(UI)單元110、語(yǔ)音文本轉(zhuǎn)換單元120、文本挖掘單元130以及網(wǎng)絡(luò)接口140。裝置100可以是臺(tái)式機(jī)、筆記本電腦、工業(yè)用計(jì)算機(jī)或其他具有計(jì)算能力的裝置。裝置100中的部件單元經(jīng)由總線10相互通信。UI單元110包含顯示器，向用戶顯示諸如狀態(tài)和處理進(jìn)度的各種信息。UI單元110還包括鍵盤(pán)或觸敏屏來(lái)輸入命令、或?qū)ρb置100進(jìn)行控制。語(yǔ)音文本轉(zhuǎn)換單元120是可選的。單元120使得裝置100能在原始數(shù)據(jù)是音頻數(shù)據(jù)時(shí)，進(jìn)行文本挖掘。單元120獲取輸入的語(yǔ)音數(shù)據(jù)，并通過(guò)連續(xù)語(yǔ)音識(shí)別模塊，將輸入語(yǔ)音轉(zhuǎn)換為輸入文本，并將輸入文本送給單元130處理。如果原始數(shù)據(jù)是文本數(shù)據(jù)，則輸入文本將直接被送給單元130處理。網(wǎng)絡(luò)接口140用來(lái)與網(wǎng)絡(luò)通信，可以從網(wǎng)絡(luò)獲得原始數(shù)據(jù)，也可將文本挖掘的結(jié)果上傳網(wǎng)絡(luò)，還可以從網(wǎng)絡(luò)獲得文本挖掘所需要的訓(xùn)練數(shù)據(jù)等。圖2是文本挖掘單元130的示例性硬件結(jié)構(gòu)的框圖。處理器131通過(guò)將存儲(chǔ)在硬盤(pán)驅(qū)動(dòng)器(HDD)133中的程序加載到存儲(chǔ)器132上，來(lái)控制裝置100的總體操作。此外，處理器131經(jīng)由總線10與文本挖掘單元130中的其他部件通信。處理器131還被配置為根據(jù)本專(zhuān)利技術(shù)的方法來(lái)讀取、解碼并執(zhí)行全部步驟。處理器131利用系統(tǒng)總線10將文本挖掘的結(jié)果記錄到存儲(chǔ)器132中。除了存儲(chǔ)器132之外，字符識(shí)別結(jié)果也可以被更永久地存儲(chǔ)在HDD133上,或通過(guò)網(wǎng)絡(luò)接口140上傳到網(wǎng)絡(luò)。在下文中，將參照第一實(shí)施例和附圖，詳細(xì)描述從輸入文本中挖掘響應(yīng)動(dòng)作的方法。(第一實(shí)施例)顧客的反饋、抱怨或建議的核心價(jià)值在于，企業(yè)可據(jù)此采取措施改進(jìn)產(chǎn)品、服務(wù)、過(guò)程等。響應(yīng)于顧客反饋或輸入文本的內(nèi)容，而得到的采取的措施或行動(dòng)等，被稱為動(dòng)作。本專(zhuān)利技術(shù)的第一實(shí)施例提供了一種從輸入文本中挖掘響應(yīng)動(dòng)作的方法。該方法能自動(dòng)地、批量地處理顧客反饋或輸入文本。現(xiàn)有技術(shù)中在處理輸入文本時(shí)，是基于文本中的術(shù)語(yǔ)或詞語(yǔ)的，這種處理是扁平化的，而沒(méi)有對(duì)輸入文本的整體進(jìn)行結(jié)構(gòu)化的、或語(yǔ)義級(jí)別的分析。而本專(zhuān)利技術(shù)提供了一種對(duì)輸入文本串結(jié)構(gòu)化的分析處理的方法本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種文本挖掘的方法，包括：文本串接收步驟，用于接收輸入文本串；狀態(tài)對(duì)提取步驟，用于根據(jù)輸入文本串提取狀態(tài)對(duì)，該狀態(tài)對(duì)包括第一狀態(tài)和第二狀態(tài)，第一狀態(tài)包含第一滿意度值和第一描述單元，第一滿意度值為滿意或不滿意，第一描述單元包含第一名詞和第一描述短語(yǔ)，其中，第一描述短語(yǔ)所描述的對(duì)象是第一名詞，第一描述短語(yǔ)包含第一形容詞或第一動(dòng)詞，第二狀態(tài)包含第二滿意度值和第二描述單元，第二滿意度值為滿意或不滿意，且第二滿意度值與第一滿意度值相反，第二描述單元包含第一名詞和第二描述短語(yǔ)，其中，第二描述短語(yǔ)所描述的對(duì)象是第一名詞，第二描述短語(yǔ)包含第二形容詞或第二動(dòng)詞，且第二描述短語(yǔ)的含義與第一描述短語(yǔ)的含義相反；動(dòng)作文本生成步驟，用于生成動(dòng)作文本，動(dòng)作文本描述了一個(gè)動(dòng)作，該動(dòng)作對(duì)應(yīng)第一狀態(tài)到第二狀態(tài)的狀態(tài)轉(zhuǎn)移，動(dòng)作文本包含第三動(dòng)詞和第三動(dòng)詞的賓語(yǔ)。

【技術(shù)特征摘要】
1.一種文本挖掘的方法，包括：文本串接收步驟，用于接收輸入文本串；狀態(tài)對(duì)提取步驟，用于根據(jù)輸入文本串提取狀態(tài)對(duì)，該狀態(tài)對(duì)包括第一狀態(tài)和第二狀態(tài)，第一狀態(tài)包含第一滿意度值和第一描述單元，第一滿意度值為滿意或不滿意，第一描述單元包含第一名詞和第一描述短語(yǔ)，其中，第一描述短語(yǔ)所描述的對(duì)象是第一名詞，第一描述短語(yǔ)包含第一形容詞或第一動(dòng)詞，第二狀態(tài)包含第二滿意度值和第二描述單元，第二滿意度值為滿意或不滿意，且第二滿意度值與第一滿意度值相反，第二描述單元包含第一名詞和第二描述短語(yǔ)，其中，第二描述短語(yǔ)所描述的對(duì)象是第一名詞，第二描述短語(yǔ)包含第二形容詞或第二動(dòng)詞，且第二描述短語(yǔ)的含義與第一描述短語(yǔ)的含義相反；動(dòng)作文本生成步驟，用于生成動(dòng)作文本，動(dòng)作文本描述了一個(gè)動(dòng)作，該動(dòng)作對(duì)應(yīng)第一狀態(tài)到第二狀態(tài)的狀態(tài)轉(zhuǎn)移，動(dòng)作文本包含第三動(dòng)詞和第三動(dòng)詞的賓語(yǔ)。2.如權(quán)利要求1所述的文本挖掘的方法，其中，所述動(dòng)作文本包含以下四個(gè)屬性：執(zhí)行方屬性，產(chǎn)品或服務(wù)屬性，操作屬性，對(duì)象屬性，其中，執(zhí)行方屬性表示所述動(dòng)作的執(zhí)行方，產(chǎn)品或服務(wù)屬性表示所述動(dòng)作所涉及的產(chǎn)品或服務(wù)，操作屬性表示所述動(dòng)作的具體操作，該操作屬性對(duì)應(yīng)所述動(dòng)作文本中的第三動(dòng)詞。對(duì)象屬性表示所述動(dòng)作所操作的對(duì)象，該對(duì)象屬性對(duì)應(yīng)所述動(dòng)作文本中的第三動(dòng)詞的賓語(yǔ)。3.如權(quán)利要求1所述的文本挖掘的方法，其中，所述狀態(tài)對(duì)提
\t取步驟包括：從輸入文本串中提取名詞，作為第一狀態(tài)的第一名詞，從輸入文本串中提取包含形容詞的短語(yǔ)或包含動(dòng)詞的短語(yǔ)，作為第一狀態(tài)的第一描述短語(yǔ)，根據(jù)輸入文本串得到第一狀態(tài)的滿意度值，對(duì)第一狀態(tài)的滿意度值求相反值，得到第二狀態(tài)的滿意度值，對(duì)第一狀態(tài)的第一描述短語(yǔ)中的第一形容詞或第一動(dòng)詞求反義詞，得到第二狀態(tài)的第二描述短語(yǔ)。4.如權(quán)利要求2所述的文本挖掘的方法，其中，所述動(dòng)作文本生成步驟包括：根據(jù)所述狀態(tài)對(duì)提取步驟得到的狀態(tài)對(duì)，在匹配表中搜索，得到一個(gè)動(dòng)詞短語(yǔ)，所述動(dòng)詞短語(yǔ)包括動(dòng)詞和該動(dòng)詞的賓語(yǔ)，并將該動(dòng)詞作為動(dòng)作文本的操作屬性，將該動(dòng)詞的賓語(yǔ)作為動(dòng)作文本的對(duì)象屬性，其中，匹配表包含多個(gè)狀態(tài)對(duì)的信息，多個(gè)動(dòng)詞短語(yǔ)，以及所述多個(gè)狀態(tài)對(duì)的信息和所述多個(gè)動(dòng)詞短語(yǔ)之間的匹配關(guān)系。5.如權(quán)利要求2所述的文本挖掘的方法，其中，所述動(dòng)作文本生成步驟包括：獲取多個(gè)歷史動(dòng)作文本，從中選擇第一狀態(tài)到第二狀態(tài)的狀態(tài)轉(zhuǎn)移所對(duì)應(yīng)的一個(gè)歷史動(dòng)作文本，作為所生成的當(dāng)前動(dòng)作文本。6.如權(quán)利要求2所述的文本挖掘的方法，其中，所述動(dòng)作文本生成步驟包括：候選動(dòng)詞短語(yǔ)生成步驟，用于根據(jù)所述狀態(tài)對(duì)提取步驟得到的狀態(tài)對(duì)，得到多個(gè)候選動(dòng)詞短語(yǔ)，所述多個(gè)候選動(dòng)詞短語(yǔ)中的每一個(gè)包括動(dòng)詞和該動(dòng)詞的賓語(yǔ)；共現(xiàn)判斷步驟，用于根據(jù)所述狀態(tài)對(duì)的信息與所述多個(gè)候選動(dòng)詞
\t短語(yǔ)在同一文章中的共現(xiàn)次數(shù)、共現(xiàn)時(shí)的距離，分別對(duì)所述多個(gè)候選動(dòng)詞短語(yǔ)打分，將得分最高者所包括的動(dòng)詞作為動(dòng)作文本的操作屬性，將得分最高者所包括的動(dòng)詞的賓語(yǔ)作為動(dòng)作文本的對(duì)象屬性。7.如權(quán)利要求2所述的文本挖掘的方法，其中，所述動(dòng)作文本生成步驟包括：從所述輸入文本串中提取產(chǎn)品或服務(wù)的信息，作為動(dòng)作文本的產(chǎn)品或服務(wù)屬性。8.如權(quán)利要求2所述的文本挖掘的方法，其中，所述動(dòng)作文本生成步驟包括：根據(jù)所述輸入文本串中所包括的詞，在責(zé)任列表中搜索，得到至少一個(gè)責(zé)任方，并從中選擇一個(gè)責(zé)任方，作為動(dòng)作文本的執(zhí)行方屬性，其中，所述責(zé)任列表包含多個(gè)詞，多個(gè)責(zé)任方，以及所述多個(gè)詞和所述多個(gè)責(zé)任方之間的匹配關(guān)系。9.如權(quán)利要求1至8中任一項(xiàng)所述的文本挖掘的方法，還包括文本串分類(lèi)步驟，其中，所述文本串分類(lèi)步驟包括：比較動(dòng)作文本生成步驟所生成的當(dāng)前動(dòng)作文本與動(dòng)作集合中的多個(gè)歷史動(dòng)作文本，并基于比較結(jié)果對(duì)當(dāng)前輸入文本串分類(lèi)。10.如權(quán)利要求9所述的文本挖掘的方法，其中，基于比較結(jié)果對(duì)當(dāng)前輸入文本串分類(lèi)還包括，如果當(dāng)前動(dòng)作文本與所述多個(gè)歷史動(dòng)作文本中的一個(gè)相同或相似，則將當(dāng)前輸入文本串分類(lèi)到目標(biāo)類(lèi)，所述目標(biāo)類(lèi)是，與當(dāng)前動(dòng)作文本相同的歷史動(dòng)作文本所對(duì)應(yīng)的歷史輸入文本串所在的類(lèi)。11.如權(quán)利要求9所述的文本挖掘的方法，其中，基于比較結(jié)果對(duì)當(dāng)前輸入文本串分類(lèi)還包括，如果當(dāng)前動(dòng)作文...

【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：張碧川，黃耀海，清水涉，
申請(qǐng)(專(zhuān)利權(quán))人：佳能信息技術(shù)北京有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：北京;11