CN111752958A - 智能关联标签方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明涉及计算机技术，提供了一种智能关联标签方法、装置、计算机设备及存储介质，所述智能关联标签方法包括：对获取到的目标交互信息进行解析处理后得到标签实体信息集合；根据原始标签集合和基础标签集合，对标签实体信息集合进行更新后得到更新集合；获取更新集合对应的当前场景，并基于预设日志库对当前场景进行过滤，以提取初始标签；获取目标集合的目标关联次数与目标阈值进行比较，并根据比较结果对初始标签进行更新，获取更新后的目标标签进行整合处理，得到目标实体对应的标签主体。本发明还涉及区块链技术，所述目标交互信息存储于区块链中。本发明的技术方案实现对标签的智能关联，避免人工干预，从而提高标签关联的准确性。

Description

智能关联标签方法、装置、计算机设备及存储介质

技术领域

本发明涉及计算机技术，尤其涉及一种智能关联标签方法、装置、计算机设备及存储介质。

背景技术

随着自动化技术的发展，数据收集成为自动化技术发展中的一道重要工序，而实体关联标签属于其中一种数据收集的方式。传统对实体关联标签的方法主要是依靠人工关联，但在业务场景数量较大的情况下，人工关联效率慢且存在关联不准确的情况，还有一种方式是通过Apriori算法挖掘关联规则，挖掘内容所有频集。其核心思想是通过候选集生成和情节的向下封闭检测两个阶段来挖掘频繁项集。存在两大缺陷：可能产生大量的候选集,以及可能需要重复扫描数据库。

综上情况，传统对实体关联标签的方法存在准确性不高，关联效率低下的情况，进一步影响用户依赖关联标签进行工作的工作效率。

发明内容

本发明实施例提供一种智能关联标签方法、装置、计算机设备及存储介质，以解决传统关联标签方法准确性和关联效率低，降低用户依赖关联标签进行工作的工作效率问题。

一种智能关联标签方法，包括：

从预设数据库中获取目标实体与基础实体交互时发送的目标交互信息，其中，所述目标实体包含原始标签集合，所述基础实体包含基础标签集合；

对所述目标交互信息进行解析处理，得到解析处理后的标签实体信息集合；

根据所述原始标签集合和所述基础标签集合，对所述标签实体信息集合进行更新，得到更新后的更新集合；

获取所述更新集合对应的当前场景，并基于预设日志库对所述当前场景进行过滤，以提取初始标签；

从预设目标库中获取目标集合的目标关联次数与目标阈值；

将所述目标关联次数与所述目标阈值进行比较，并根据比较结果对所述初始标签进行更新，获取更新后的目标标签；

对所述目标标签进行整合处理，得到所述目标实体对应的标签主体。

一种智能关联标签装置，包括：

第一获取模块，用于从预设数据库中获取目标实体与基础实体交互时发送的目标交互信息，其中，所述目标实体包含原始标签集合，所述基础实体包含基础标签集合；

解析模块，用于对所述目标交互信息进行解析处理，得到解析处理后的标签实体信息集合；

更新模块，用于根据所述原始标签集合和所述基础标签集合，对所述标签实体信息集合进行更新，得到更新后的更新集合；

过滤模块，用于获取所述更新集合对应的当前场景，并基于预设日志库对所述当前场景进行过滤，以提取初始标签；

第二获取模块，用于从预设目标库中获取目标集合的目标关联次数与目标阈值；

比较模块，用于将所述目标关联次数与所述目标阈值进行比较，并根据比较结果对所述初始标签进行更新，获取更新后的目标标签；

整合模块，用于对所述目标标签进行整合处理，得到所述目标实体对应的标签主体。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述智能关联标签方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述智能关联标签方法的步骤。

上述智能关联标签方法、装置、计算机设备及存储介质，通过获取目标实体与基础实体交互时发送的目标交互信息，对目标交互信息进行解析以得到标签实体信息集合，在根据原始标签集合和基础标签集合，对标签实体信息集合进行更新后得到更新集合，对更新集合的当前场景进行过滤以提取初始标签，利用目标关联次数与目标阈值进行比较的方式对初始标签进行更新，得到目标标签后进行整合处理，获取整合处理后的标签主体。通过利用原始标签集合和基础标签集合对标签实体信息集合进行更新的方式，能够避免在标签比较零散时，需要重复扫描标签进行更新导致更新效率慢的情况；对更新集合的当前场景进行过滤的方式能够避免出现重复场景，导致***进行多余计算，进一步提高标签的关联效率，最后根据目标关联次数与目标阈值对初始标签进行更新，在条件达标下对标签进行更新，能够保证关联标签的准确性，从而实现对标签的智能关联，避免人工干预，提高标签关联的准确性，进一步提高用户依赖关联标签进行工作的工作效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种智能关联标签方法的流程图；

图2是本发明实施例提供的一种智能关联标签方法中步骤S2的流程图；

图3是本发明实施例提供的一种智能关联标签方法中步骤S21的流程图；

图4是本发明实施例提供的一种智能关联标签方法中步骤S22的流程图；

图5是本发明实施例提供的一种智能关联标签方法中步骤S3的流程图；

图6是本发明实施例提供的一种智能关联标签方法中步骤S31的流程图；

图7是本发明实施例提供的一种智能关联标签方法中步骤S32的流程图；

图8是本发明实施例提供的一种智能关联标签装置的示意图；

图9是本发明实施例提供的计算机设备的基本机构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供的智能关联标签方法应用于服务端，服务端具体可以用独立的服务器或者多个服务器组成的服务器集群实现。在一实施例中，如图1所示，提供一种智能关联标签方法，包括如下步骤：

S1：从预设数据库中获取目标实体与基础实体交互时发送的目标交互信息，其中，目标实体包含原始标签集合，基础实体包含基础标签集合。

在本发明实施例中，当目标实体与基础实体之间发生交互时，其之间产生的目标交互信息将保存到预设数据库中。通过直接从预设数据库中获取目标实体与基础实体发生交互时产生的目标交互信息。

其中，预设数据库是指专门用于存储目标实体发生交互时产生的目标交互信息的数据库。

需要强调的是，为进一步保证上述目标交互信息的私密和安全性，上述目标交互信息还可以存储于一区块链的节点中。

S2：对目标交互信息进行解析处理，得到解析处理后的标签实体信息集合。

在本发明实施例中，将步骤S1得到的目标交互信息导入到预设解析端口中进行解析处理，得到解析处理后的标签实体信息集合。其中，预设解析端口是指专门用于对目标交互信息进行解析的处理端口。

S3：根据原始标签集合和基础标签集合，对标签实体信息集合进行更新，得到更新后的更新集合。

在本发明实施例中，目标实体包含原始标签集合，原始标签集合为目标实体发生交互前的标签信息集合；基础实体包含基础标签集合，基础标签集合为基础实体发生交互前的标签信息集合。

具体地，根据原始标签集合和基础标签集合，通过预设更新方式，对标签实体信息集合进行更新，得到更新处理后的更新集合。其中，预设更新方式是指根据用户实际需求设定用于对标签实体信息集合进行更新的方式。

需要说明的是，更新集合为目标实体与基础实体发生交互后，目标实体产生的新的集合信息。

S4：获取更新集合对应的当前场景，并基于预设日志库对当前场景进行过滤，以提取初始标签。

在本发明实施例中，由于更新集合是由目标实体与基础实体交互时发送的目标交互信息解析得到，当目标实体与基础实体发生交互时存在对应的应用场景，该应用场景即为更新集合对应的当前场景。

具体地，获取更新集合对应的当前场景，将当前场景与预设日志库中的历史场景进行比较，若当前场景与历史场景相同，则对当前场景进行过滤，若当前场景与历史场景不相同，则保留当前场景，并将该更新集合作为初始标签。若当前场景与历史场景相同，则过滤当前场景，并将历史场景对应的历史集合作为初始标签。

其中，预设日志库包含历史场景及历史场景对应的历史集合。

S5：从预设目标库中获取目标集合的目标关联次数与目标阈值。

在本发明实施例中，目标关联次数是指目标实体与基础实体完成交互后，目标实体包含技能的当前关联次数情况。目标阈值是指目标实体与基础实体完成交互后，目标实体包含技能对应当前阈值情况。

具体地，通过从预设目标库中直接获取目标集合的目标关联次数与目标阈值。其中，预设目标库是指专门用于存储目标关联次数与目标阈值的数据库。

S6：将目标关联次数与目标阈值进行比较，并根据比较结果对初始标签进行更新，获取更新后的目标标签。

具体地，将目标关联次数与目标阈值进行比较，若目标关联次数大于等于目标阈值，则根据预设更新规则对初始标签进行更新，得到目标标签；若关联次数小于阈值，则不对初始标签进行更新，并将初始标签作为目标标签。

其中，预设更新规则是指根据用户实际需求设定的更新规则，其具体可以是在目标关联次数大于等于目标阈值的情况下，对初始标签中的预先设定的信息修改为指定状态。

S7：对目标标签进行整合处理，得到目标实体对应的标签主体。

具体地，获取目标实体对应的所有目标标签，将所有目标标签进行组合，识别组合后包含的目标功能标签，将目标功能标签与标签库中的合法标签集合进行匹配，若目标功能标签与合法标签集合一致，表示匹配成功，选取匹配成功的合法标签集合对应的主体信息作为目标实体对应的标签主体。其中，标签库包含不同的合法标签集合及其对应的主体信息。

例如，组合后包含的目标功能标签为：说话、行动、交流和情感，标签库中存在合法标签集合A为：说话、行动，其对应的主体信息为初级；存在合法标签集合B为：说话、行动、交流和情感，其对应的主体信息为终极。则将目标功能标签与合法标签集合进行匹配后，得到目标实体对应的标签主体为终极。

需要说明的是，对目标标签进行整合处理的方式能够使零碎的标签集中整合在一起，有助于用户的使用和管理。

本实施例中，通过获取目标实体与基础实体交互时发送的目标交互信息，对目标交互信息进行解析以得到标签实体信息集合，在根据原始标签集合和基础标签集合，对标签实体信息集合进行更新后得到更新集合，对更新集合的当前场景进行过滤以提取初始标签，利用目标关联次数与目标阈值进行比较的方式对初始标签进行更新，得到目标标签后进行整合处理，获取整合处理后的标签主体。通过利用原始标签集合和基础标签集合对标签实体信息集合进行更新的方式，能够避免在标签比较零散时，需要重复扫描标签进行更新导致更新效率慢的情况；对更新集合的当前场景进行过滤的方式能够避免出现重复场景，导致***进行多余计算，进一步提高标签的关联效率，最后根据目标关联次数与目标阈值对初始标签进行更新，在条件达标下对标签进行更新，能够保证关联标签的准确性，从而实现对标签的智能关联，避免人工干预，提高标签关联的准确性，进一步提高用户依赖关联标签进行工作的工作效率。

在一实施例中，目标交互信息存储于区块链中，如图2所示，步骤S2中，即对目标交互信息进行解析处理，得到解析处理后的标签实体信息集合包括如下步骤：

S21：根据预设过滤要求对目标交互信息进行过滤处理，得到过滤处理后的有效信息。

在本发明实施例中，由于目标交互信息中存在不符合用户设定标准的信息，故需对目标交互信息进行筛选处理。

具体地，根据预设过滤要求对目标交互信息进行过滤处理，并将过滤处理后保留下来的目标交互信息作为有效信息。其中，预设过滤要求是指根据用户实际需求设定的过滤要求。

S22：对有效信息进行解析处理，得到标签实体信息集合。

具体地，由于预设解析端口是指专门用于对目标交互信息进行解析的处理端口，而有效信息是基于目标交互信息过滤后得到，故通过直接利用预设解析端口对有效信息进行解析处理，得到解析处理后的标签实体信息集合。

本实施例中，通过对目标交互信息进行过滤处理，能够有效筛选掉不符合用户设定标准的信息，提高有效信息的准确性；再对有效信息进行解析得到标签实体信息集合，避免***对无效信息的多余计算，进一步保证后续利用标签实体信息集合进行更新的准确性。

在一实施例中，如图3所示，步骤S21中，即根据预设过滤要求对目标交互信息进行过滤处理，得到过滤处理后的有效信息包括如下步骤：

S211：对目标交互信息进行格式过滤，得到格式过滤后的标准信息。

在发明实施例中，目标交互信息包含其对应的目标格式，通过将目标格式与预设格式进行匹配，若目标格式与预设格式不同，表示该目标格式对应的目标交互信息的数据格式不符合设定要求，并将该目标交互信息进行过滤；若目标格式与预设格式相同，则表示该目标格式对应的目标交互信息的数据格式符合设定要求，并将该交互信息确定为标准信息。

其中，预设格式是用户预先设定符合要求需要进行保留的格式。

S212：利用正则匹配的方式对标准信息进行敏感信息过滤，得到过滤后的有效信息。

在本发明实施例中，正则表达式是用来处理字符串的，可以用一些特定字符来描述字符串里字符出现的规则，从而匹配，提取或者替换符合某一个规则的字符串，还可以用来查找、删除和替换字符串，查找速度快且精准。正则匹配是指利用正则表达式进行匹配。

具体地，通过预先设定的正则表达式匹配标准信息是否符合正则表达式中的规则，若标准信息符合正则表达式中的规则，则表示该标准信息包含敏感数据，并对匹配到的敏感数据进行过滤，将过滤处理后的标准信息作为有效信息。

本实施例中，通过对目标交互信息进行格式过滤得到标准信息，再对标准信息进行敏感信息过滤，提取有效信息。根据两种不同类型的过滤方式，可以有效排除不符合标准的信息，进一步保证有效信息的准确性，从而提高关联标签的准确性。

在一实施例中，如图4所示，步骤S22中，即对有效信息进行解析处理，得到标签实体信息集合包括如下步骤：

S221：将有效信息与预设历史库中的历史信息进行匹配，其中，预设历史库包括历史信息及历史信息对应的解析结果。

在本发明实施例中，将步骤S21得到的有效信息与预设历史库中的历史信息进行匹配，其中，预设历史库是指专门用于存储不同的历史信息及历史信息对应的解析结果的数据库。

S222：若有效信息与历史信息相同，则获取历史信息对应的解析结果作为标签实体信息集合。

在本发明实施例中，根据步骤S221的匹配方式，若有效信息与历史信息相同，则获取历史信息对应的解析结果作为标签实体信息集合。

需要说明的是，由于存在重复的实体信息，若对重复的实体信息进行重新解析则会增加***的负荷，故不对其重新解析，可直接调用之前的解析结果，即为历史信息对应的解析结果。

S223：若有效信息与历史信息不同，则利用挖掘算法对有效信息进行解析，得到标签实体信息集合。

在本发明实施例中，挖掘算法具体是指Apriori算法，Apriori算法是关联规则的挖掘算法，其利用逐层搜索的迭代方法找出数据库中项集的关系，以形成规则，其过程由连接与剪枝组成。该算法中项集的概念即为项的集合。包含k个项的集合为k项集。项集出现的频率是包含项集的事务数，称为项集的频率。如果某项集满足最小支持度，则称它为频繁项集。

具体地，根据步骤S221的匹配方式，若有效信息与历史信息不同，则直接利用Apriori算法对该有效信息进行解析处理，得到解析处理后的标签实体集合。

本实施例中，将有效信息与历史信息进行匹配，在匹配相同的情况下，获取历史信息对应的解析结果作为标签实体信息集合，在匹配不同的情况下，利用挖掘算法对有效信息进行解析，得到标签实体信息集合。通过将有效信息与历史信息进行匹配的方式，能够判断有效信息是否为历史信息，在判断为历史信息的情况下直接获取历史解析结果，可以有效避免***进行多余计算，进一步提高标签实体信息集合的效率。

在一实施例中，如图5所示，标签实体信息集合包含目标功能标签、目标关联次数和目标阈值，步骤S3中，即根据原始标签集合和基础标签集合，对标签实体信息集合进行更新，得到更新后的更新集合包括如下步骤：

S31：将原始标签集合包含的原始功能标签与基础标签集合包含的基础功能标签进行比较，并根据比较结果对目标功能标签和目标关联次数进行更新，得到更新后的更新功能标签和更新关联次数，其中，原始标签集合包含原始功能标签和原始阈值，基础标签集合包含基础功能标签和基础显现属性。

在本发明实施例中，将原始标签集合包含的原始功能标签与基础标签集合包含的基础功能标签进行比较，根据比较后得到的比较结果，按照不同比较结果原先设定好的更新方式，对目标功能标签和目标关联次数进行更新，并将更新后的目标功能标签作为更新功能标签，将更新后的目标关联次数作为更新关联次数。

S32：识别基础显现属性，并根据识别结果对目标阈值进行更新，得到更新后的更新阈值。

在本发明实施例中，识别基础显现属性对应的状态，并根据识别到的状态，根据每个状态预先设置好的更新方式，对目标阈值进行更新，并将更新后的目标阈值作为更新阈值。

S33：将更新功能标签、更新关联次数和更新阈值组合成更新集合。

具体地，将更新功能标签、更新关联次数和更新阈值组合成更新集合。

本实施例中，将原始标签集合包含的原始功能标签与基础标签集合包含的基础功能标签进行比较，并根据比较结果进行更新以获取更新功能标签和更新关联次数，再识别基础显现属性进行更新以获取更新阈值，最后将更新功能标签、更新关联次数和更新阈值组合成更新集合。根据不同情况进行不同类型的更新方式，能够避免相同情况导致数据更新失误，从而提高更新集合的准确性。

在一实施例中，如图6所示，步骤S31中，即将原始标签集合包含的原始功能标签与基础标签集合包含的基础功能标签进行比较，并根据比较结果对目标功能标签和目标关联次数进行更新，得到更新后的更新功能标签和更新关联次数包括如下步骤：

S311：将原始功能标签与基础功能标签进行比较。

具体地，将原始功能标签与基础功能标签进行比较。

S312：若原始功能标签与基础功能标签相同，则将目标功能标签更新成原始功能标签，并将更新后的目标功能标签作为更新功能标签。

在本发明实施例中，根据步骤S311的比较方式，若原始功能标签与基础功能标签相同，则利用原始功能标签对目标功能标签进行更新，即将将目标功能标签更新成原始功能标签，并将更新后的目标功能标签作为更新功能标签。

例如，若机器人A与机器人B发生交互，机器人A对应的原始功能标签为说话，机器人B对应的基础功能标签为说话，由于原始功能标签与基础功能标签相同，故机器人A与机器人B发生交互后，机器人A的更新功能标签为说话。

S313：若原始功能标签与基础功能标签不同，则将目标功能标签更新成原始功能标签与基础功能标签，并将更新后的目标功能标签作为更新功能标签。

在本发明实施例中，根据步骤S311的比较方式，若原始功能标签与基础功能标签不同，则利用原始功能标签与基础功能标签对目标功能标签进行更新，即将将目标功能标签更新成原始功能标签与基础功能标签，并将更新后的目标功能标签作为更新功能标签。

例如：机器人A与机器人C发生交互，机器人A对应的原始功能标签为说话，机器人C对应的基础功能标签为行动，由于原始功能标签与基础功能标签不同，故机器人A与机器人C发生交互后，机器人A的更新功能标签为说话和行动。

S314：从预设关联表中获取更新功能标签对应的初始关联次数，并对初始关联次数进行递增以更新目标关联次数，并将更新后的目标关联次数作为更新关联次数。

在本发明实施例中，初始关联次数表示更新功能标签在目标实体与基础实体发生交互前被关联的次数。

具体地，通过直接从从预设关联表中获取更新功能标签对应的初始关联次数，并对初始关联次数对应的数值进行递增，利用递增后的数值对目标关联次数进行更新，得到更新后的更新关联次数。

需要说明的是，若更新功能标签与原始功能标签相同，则该更新功能标签对应的初始关联次数与原始功能标签的关联次数相同，若更新功能标签与基础功能标签相同，则该更新功能标签对应的初始关联次数为0。

本实施例中，将原始功能标签与基础功能标签进行比较，若比较相同，则将原始功能标签作为更新功能标签，若比较不同，则将原始功能标签和基础功能标签均作为更新功能标签，最后获取更新功能标签对应的初始关联次数进行递增，得到更新关联次数。根据不同的比较情况对更新功能标签进行更新，提高更新功能标签的更新适应性，进一步提高更新功能标签和更新关联次数的更新效率，进而提高后续关联标签的效率。

在一实施例中，如图7所示，基础显现属性包括成功或失败，步骤S32中，即识别基础显现属性，并根据识别结果对目标阈值进行更新，得到更新后的更新阈值包括如下步骤：

S321：识别基础显现属性，若基础显现属性为成功，则利用原始阈值对目标阈值进行更新，得到更新阈值。

具体地，基础显现属性包括成功或失败，通过对基础显现属性进行识别，若基础显现属性为成功，则将目标阈值更新成原始阈值，并将更新后的目标阈值作为更新阈值。

需要说明的是，基础显现属性表示基础实体对应技能属性是否能够成功使用。

例如，机器人A的说话技能对应的基础显现属性为成功，则表示该机器人A能说话，否则无法说话。

S322：若基础显现属性为失败，则利用原始阈值与预设阈值相乘得到的积对目标阈值进行更新，得到更新阈值。

具体地，若基础显现属性为失败，则将原始阈值与预设阈值进行相乘，利用相乘后得到的积对目标阈值进行更新，并将更新后的目标阈值作为更新阈值。

其中，预设阈值是指根据用户实际需求设定的值，优选地，预设阈值为2。

本实施例中，识别基础显现属性，若基础显现属性为成功，则利用原始阈值对目标阈值进行更新后得到更新阈值；若基础显现属性为失败，则利用原始阈值与预设阈值相乘得到的积对目标阈值进行更新后得到更新阈值。根据不同基础显现属性对目标阈值进行更新的方式，能够避免更新阈值较为单一，造成后续数据不精确，有效提高更新阈值获取的准确性，进而提高后续利用更新阈值进行关联标签的准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种智能关联标签装置，该智能关联标签装置与上述实施例中智能关联标签方法一一对应。如图8所示，该智能关联标签装置包括第一获取模块81，解析模块82，更新模块83，过滤模块84，第二获取模块85，比较模块86和整合模块87。各功能模块详细说明如下：

第一获取模块81，用于从预设数据库中获取目标实体与基础实体交互时发送的目标交互信息，其中，目标实体包含原始标签集合，基础实体包含基础标签集合；需要强调的是，为进一步保证上述目标交互信息的私密和安全性，上述目标交互信息还可以存储于一区块链的节点中；

解析模块82，用于对目标交互信息进行解析处理，得到解析处理后的标签实体信息集合；

更新模块83，用于根据原始标签集合和基础标签集合，对标签实体信息集合进行更新，得到更新后的更新集合；

过滤模块84，用于获取更新集合对应的当前场景，并基于预设日志库对当前场景进行过滤，以提取初始标签；

第二获取模块85，用于从预设目标库中获取目标集合的目标关联次数与目标阈值；

比较模块86，用于将目标关联次数与目标阈值进行比较，并根据比较结果对初始标签进行更新，获取更新后的目标标签；

整合模块87，用于对目标标签进行整合处理，得到目标实体对应的标签主体。

进一步地，解析模块82包括：

第三获取子模块，用于根据预设过滤要求对目标交互信息进行过滤处理，得到过滤处理后的有效信息；

集合获取子模块，用于对有效信息进行解析处理，得到标签实体信息集合。

进一步地，第三获取子模块包括：

格式过滤单元，用于对目标交互信息进行格式过滤，得到格式过滤后的标准信息；

正则匹配单元，用于利用正则匹配的方式对标准信息进行敏感信息过滤，得到过滤后的有效信息。

进一步地，集合获取子模块包括：

匹配单元，用于将有效信息与预设历史库中的历史信息进行匹配，其中，预设历史库包括历史信息及历史信息对应的解析结果；

匹配相同单元，用于若有效信息与历史信息相同，则获取历史信息对应的解析结果作为标签实体信息集合；

匹配不同单元，用于若有效信息与历史信息不同，则利用挖掘算法对有效信息进行解析，得到标签实体信息集合。

进一步地，更新模块83包括：

比较子模块，用于将原始标签集合包含的原始功能标签与基础标签集合包含的基础功能标签进行比较，并根据比较结果对目标功能标签和目标关联次数进行更新，得到更新后的更新功能标签和更新关联次数，其中，原始标签集合包含原始功能标签和原始阈值，基础标签集合包含基础功能标签和基础显现属性；

识别子模块，用于识别基础显现属性，并根据识别结果对目标阈值进行更新，得到更新后的更新阈值；

更新集合组合子模块，用于将更新功能标签、更新关联次数和更新阈值组合成更新集合。

进一步地，比较子模块包括：

第一比较单元，用于将原始功能标签与基础功能标签进行比较；

第一比较相同单元，用于若原始功能标签与基础功能标签相同，则将目标功能标签更新成原始功能标签，并将更新后的目标功能标签作为更新功能标签；

第一比较不同单元，用于若原始功能标签与基础功能标签不同，则将目标功能标签更新成原始功能标签与基础功能标签，并将更新后的目标功能标签作为更新功能标签；

递增单元，用于从预设关联表中获取更新功能标签对应的初始关联次数，并对初始关联次数进行递增以更新目标关联次数，并将更新后的目标关联次数作为更新关联次数。

进一步地，识别子模块包括：

识别成功单元，用于识别基础显现属性，若基础显现属性为成功，则利用原始阈值对目标阈值进行更新，得到更新阈值；

识别失败单元，用于若基础显现属性为失败，则利用原始阈值与预设阈值相乘得到的积对目标阈值进行更新，得到更新阈值。

本申请的一些实施例公开了计算机设备。具体请参阅图9，为本申请的一实施例中计算机设备90基本结构框图。

如图9中所示意的，所述计算机设备90包括通过***总线相互通信连接存储器91、处理器92、网络接口93。需要指出的是，图9中仅示出了具有组件91-93的计算机设备90，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器91至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器91可以是所述计算机设备90的内部存储单元，例如该计算机设备90的硬盘或内存。在另一些实施例中，所述存储器91也可以是所述计算机设备90的外部存储设备，例如该计算机设备90上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器91还可以既包括所述计算机设备90的内部存储单元也包括其外部存储设备。本实施例中，所述存储器91通常用于存储安装于所述计算机设备90的操作***和各类应用软件，例如所述智能关联标签方法的程序代码等。此外，所述存储器91还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器92在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器92通常用于控制所述计算机设备90的总体操作。本实施例中，所述处理器92用于运行所述存储器91中存储的程序代码或者处理数据，例如运行所述智能关联标签方法的程序代码。

所述网络接口93可包括无线网络接口或有线网络接口，该网络接口93通常用于在所述计算机设备90与其他电子设备之间建立通信连接。

本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有目标交互信息录入程序，所述目标交互信息录入程序可被至少一个处理器执行，以使所述至少一个处理器执行上述任意一种智能关联标签方法的步骤。

需要强调的是，为进一步保证上述目标交互信息的私密和安全性，上述目标交互信息还可以存储于一区块链的节点中。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台计算机设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

最后应说明的是，显然以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种智能关联标签方法，其特征在于，所述智能关联标签方法包括：

从预设数据库中获取目标实体与基础实体交互时发送的目标交互信息，其中，所述目标实体包含原始标签集合，所述基础实体包含基础标签集合；

对所述目标交互信息进行解析处理，得到解析处理后的标签实体信息集合；

根据所述原始标签集合和所述基础标签集合，对所述标签实体信息集合进行更新，得到更新后的更新集合；

获取所述更新集合对应的当前场景，并基于预设日志库对所述当前场景进行过滤，以提取初始标签；

从预设目标库中获取目标集合的目标关联次数与目标阈值；

将所述目标关联次数与所述目标阈值进行比较，并根据比较结果对所述初始标签进行更新，获取更新后的目标标签；

对所述目标标签进行整合处理，得到所述目标实体对应的标签主体。

2.如权利要求1所述的智能关联标签方法，其特征在于，所述目标交互信息存储于区块链中，所述对所述目标交互信息进行解析处理，得到解析处理后的标签实体信息集合的步骤包括：

根据预设过滤要求对所述目标交互信息进行过滤处理，得到过滤处理后的有效信息；

对所述有效信息进行解析处理，得到所述标签实体信息集合。

3.如权利要求2所述的智能关联标签方法，其特征在于，所述根据预设过滤要求对所述目标交互信息进行过滤处理，得到过滤处理后的有效信息的步骤包括：

对所述目标交互信息进行格式过滤，得到格式过滤后的标准信息；

利用正则匹配的方式对所述标准信息进行敏感信息过滤，得到过滤后的所述有效信息。

4.如权利要求2所述的智能关联标签方法，其特征在于，所述对所述有效信息进行解析处理，得到所述标签实体信息集合的步骤包括：

将所述有效信息与预设历史库中的历史信息进行匹配，其中，所述预设历史库包括所述历史信息及所述历史信息对应的解析结果；

若所述有效信息与所述历史信息相同，则获取所述历史信息对应的解析结果作为所述标签实体信息集合；

若所述有效信息与所述历史信息不同，则利用挖掘算法对所述有效信息进行解析，得到所述标签实体信息集合。

5.如权利要求1所述的智能关联标签方法，其特征在于，所述标签实体信息集合包含目标功能标签、目标关联次数和目标阈值，所述根据所述原始标签集合和所述基础标签集合，对所述标签实体信息集合进行更新，得到更新后的更新集合的步骤包括：

将所述原始标签集合包含的原始功能标签与所述基础标签集合包含的基础功能标签进行比较，并根据比较结果对所述目标功能标签和所述目标关联次数进行更新，得到更新后的更新功能标签和更新关联次数，其中，所述原始标签集合包含所述原始功能标签和原始阈值，所述基础标签集合包含所述基础功能标签和基础显现属性；

识别所述基础显现属性，并根据识别结果对所述目标阈值进行更新，得到更新后的更新阈值；

将所述更新功能标签、所述更新关联次数和所述更新阈值组合成所述更新集合。

6.如权利要求5所述的智能关联标签方法，其特征在于，所述将所述原始标签集合包含的原始功能标签与所述基础标签集合包含的基础功能标签进行比较，并根据比较结果对所述目标功能标签和所述目标关联次数进行更新，得到更新后的更新功能标签和更新关联次数的步骤包括：

将所述原始功能标签与所述基础功能标签进行比较；

若所述原始功能标签与所述基础功能标签相同，则将所述目标功能标签更新成所述原始功能标签，并将更新后的目标功能标签作为所述更新功能标签；

若所述原始功能标签与所述基础功能标签不同，则将所述目标功能标签更新成所述原始功能标签与所述基础功能标签，并将更新后的目标功能标签作为所述更新功能标签；

从预设关联表中获取所述更新功能标签对应的初始关联次数，并对所述初始关联次数进行递增以更新所述目标关联次数，并将更新后的目标关联次数作为所述更新关联次数。

7.如权利要求5所述的智能关联标签方法，其特征在于，所述基础显现属性包括成功或失败，所述识别所述基础显现属性，并根据识别结果对所述目标阈值进行更新，得到更新后的更新阈值的步骤包括：

识别所述基础显现属性，若所述基础显现属性为所述成功，则利用所述原始阈值对所述目标阈值进行更新，得到所述更新阈值；

若所述基础显现属性为所述失败，则利用所述原始阈值与预设阈值相乘得到的积对所述目标阈值进行更新，得到所述更新阈值。

8.一种智能关联标签装置，其特征在于，所述智能关联标签装置包括：

第一获取模块，用于从预设数据库中获取目标实体与基础实体交互时发送的目标交互信息，其中，所述目标实体包含原始标签集合，所述基础实体包含基础标签集合；

解析模块，用于对所述目标交互信息进行解析处理，得到解析处理后的标签实体信息集合；

更新模块，用于根据所述原始标签集合和所述基础标签集合，对所述标签实体信息集合进行更新，得到更新后的更新集合；

过滤模块，用于获取所述更新集合对应的当前场景，并基于预设日志库对所述当前场景进行过滤，以提取初始标签；

第二获取模块，用于从预设目标库中获取目标集合的目标关联次数与目标阈值；

比较模块，用于将所述目标关联次数与所述目标阈值进行比较，并根据比较结果对所述初始标签进行更新，获取更新后的目标标签；

整合模块，用于对所述目标标签进行整合处理，得到所述目标实体对应的标签主体。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述智能关联标签方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述智能关联标签方法的步骤。

Images