[发明专利]字串关联性的计算方法、系统及电子设备

说明书

本发明提供了一种字串关联性的计算方法、系统及电子设备，涉及字串关联性计算领域，该方法首先从目标文本中获取待处理字串；然后在预设时间段内统计待处理字串中词汇的种类和数量；再根据待处理字串中词汇的种类和数量，确定词汇的种类下的词汇统计曲线；最后获取词汇统计曲线中词汇的特征向量，并根据词汇的特征向量确定待处理字串的关联性计算结果。该方法可通过筛选目标文本中的目标词汇，统计相同时间点目标词汇出现的频次，得到相同时间点并且相同维度的特征向量，并根据词汇的特征向量确定待处理字串的关联性计算结果，提高了对其它词汇的关联，提升了跨时间、跨空间的相关词汇的关联性结果的计算精度。

技术领域

本发明涉及字串关联性计算技术领域，尤其是涉及一种字串关联性的计算方法、系统及电子设备。

背景技术

文本文件中的词汇关联性计算，在文本聚类、信息检索等领域中具有广泛应用，但现有技术中对于词汇关联性的计算过程只关注一对词汇之间的关联性，缺少与其它词汇的关联；导致对于跨时间、跨空间的相关词汇的关联性计算结果具有较大误差。

发明内容

有鉴于此，本发明的目的在于提供一种字串关联性的计算方法、系统及电子设备，方法可通过筛选目标文本中的目标词汇，统计相同时间点目标词汇出现的频次，得到相同时间点并且相同维度的特征向量，并根据词汇的特征向量确定待处理字串的关联性计算结果，提高了对其它词汇的关联，提升了跨时间、跨空间的相关词汇的关联性结果的计算精度。

第一方面，本发明实施例提供了一种字串关联性的计算方法，该方法包括：

从目标文本中获取待处理字串；

在预设时间段内统计待处理字串中词汇的种类和数量；

根据待处理字串中词汇的种类和数量，确定词汇的种类下的词汇统计曲线；其中，词汇统计曲线的横坐标为时间；词汇统计曲线的纵坐标为待处理字串中词汇的数量；

获取词汇统计曲线中词汇的特征向量，并根据词汇的特征向量确定待处理字串的关联性计算结果。

在一些实施方式中，从目标文本中获取待处理字串的步骤，包括：

获取目标文本；其中，目标文本通过文本数据库、网络爬虫工具结果和日志文件中获得；

读取目标文本并遍历目标文本中的所有字串，获取目标文本中所有词汇对应的字串；

根据目标文本中所有词汇对应的字串，确定待处理字串。

在一些实施方式中，读取目标文本并遍历目标文本中的所有字串，获取目标文本中所有词汇对应的字串的步骤，包括：

获取屏蔽词汇列表；其中，屏蔽词汇列表用于对目标文本的词汇进行屏蔽；

遍历目标文本中的所有字串，将属于屏蔽词汇列表的字串进行屏蔽，确定目标文本中所有词汇对应的字串。

在一些实施方式中，根据待处理字串中词汇的种类和数量，确定词汇的种类下的词汇统计曲线的步骤，包括：

获取预设时间段内，待处理字串中词汇的种类和数量；

按照词汇的种类，统计预设时间段内词汇统计曲线。

在一些实施方式中，获取词汇统计曲线中词汇的特征向量，包括：

将词汇统计曲线进行平滑处理，得到词汇的连续平滑曲线；

对词汇的连续平滑曲线进行傅氏变换，得到连续平滑曲线的变换结果；其中，变换结果为复数形式；

计算变换结果的振幅，并根据变换结果的振幅确定词汇的特征向量。

在一些实施方式中，根据词汇的特征向量确定待处理字串的关联性计算结果，包括：