一种基于Apriori算法的视频字幕网络用语词典构建方法和装置

摘要

本申请公开了一种基于Apriori算法的视频字幕网络用语词典构建方法和装置，属于网络数据提取识别技术领域。该方法包括：从在线视频网站上爬取若干条字幕信息作为视频字幕数据，采用jieba分词对视频字幕数据进行分词，对分词后的语料集进行数据清洗，再对所述视频字幕文本的各个词汇项集进行计算统计，统计出的出现次数高于设定的阈值时则将对应的词汇项集归入到频繁项集中，对频繁项集采用互信息方式进行语义含义的标注，集合所有网络用语构成基于视频字幕的网络用语词典。本申请能够准确挖掘视频字幕中的网络用语并为其挖掘网络用语含义，通过新构建的网络用语词典能够从视频字幕的角度辅助进行视频分析。