买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：时趣互动(北京)科技有限公司

摘要：本申请涉及一种新关键词挖掘方法、装置及电子设备，新关键词挖掘方法包括获取互联网文本；根据互联网文本枚举多个切分片段，同时提取切分片段在当前上下文中的左右邻接字符；计算每个切分片段的内聚度；根据左右邻接字符计算每个切分片段的左右熵；将每个切分片段的内聚度和左右熵相关联，输出新关键词结果表。本申请可以从海量互联网文本数据中快速挖掘出新关键词，且挖掘结果更加准确。

主权项：1.一种新关键词挖掘方法，其特征在于，包括：获取互联网文本；根据所述互联网文本枚举多个切分片段，同时提取所述切分片段在当前上下文中的左右邻接字符；计算每个切分片段的内聚度；根据所述左右邻接字符计算每个切分片段的左右熵；将每个切分片段的内聚度和左右熵相关联，输出新关键词结果表；对所述新关键词结果表中的新关键词进行修复；所述对所述新关键词结果表中的新关键词进行修复，包括：设定左右熵差值阈值和字符长度阈值；获取当前切分片段的左右熵差值和字符长度；根据所述当前切分片段的左右熵差值和字符长度与所述设定左右熵差值阈值和字符长度阈值的关系识别出错误切分片段；对所述错误切分片段进行修复；所述计算每个切分片段的内聚度包括：获取每个切分片段的字符长度；对每个字符长度大于1的切分片段进行二切分得到所述切分片段对应的子切分片段；获取所述切分片段的出现频次、所述子切分片段的出现频次；根据所述切分片段的出现频次与所述子切分片段的出现频次的比值计算所述切分片段的内聚度；所述新关键词结果表为hive表，所述获取所述切分片段的出现频次、所述子切分片段的出现频次，包括：通过hive表中的分布式计算api统计所述切分片段的出现频次、所述子切分片段的出现频次；所述分布式计算api包括select，groupby和join；所述对所述错误切分片段进行修复，包括：对所述错误切分片段进行子串切分得到子切分片段；将每个子切分片段在所述新关键词结果表中进行关联查找；若查找到对应新关键词则将所述错误切分片段替换为子切分片段；和或；对所述错误切分片段进行串外接得到串外接切分片段；将每个串外接切分片段在所述新关键词结果表中进行关联查找；若查找到对应新关键词则将所述错误切分片段替换为串外接切分片段；还包括：获取有行业类别标注的互联网文本及其对应的切分片段结果；在所述切分片段结果中提取出各个行业具有代表性的新特征词；将新特征词与所述新关键词结果表中的新关键词进行语义聚类和分类处理；根据处理结果输出具有行业代表性的新关键词；所述根据所述左右邻接字符计算每个切分片段的左右熵，包括：分布式遍历所述切分片段；统计每个切分片段的左右邻接字符的出现频次；根据所述左右邻接字符及其出现频次计算每个切分片段的左右熵。

全文数据：

权利要求：

百度查询： 时趣互动(北京)科技有限公司 新关键词挖掘方法、装置及电子设备