[發(fā)明專利]一種購買詞聚類方法和裝置

有效

• 申請?zhí)枺?/td>: 201110430301.4
• 申請日: 2011-12-20
• 公開（公告）號: CN103176975A
• 公開（公告）日: 2013-06-26
• 發(fā)明（設(shè)計）人: 楊俊麗;王迪;赫南
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司 11018
• 代理人: 張玉波;宋志強

技術(shù)領(lǐng)域

本發(fā)明涉及計算機技術(shù)領(lǐng)域，尤其涉及一種購買詞聚類方法和裝置。

背景技術(shù)

文本聚類技術(shù)，是根據(jù)文本之間的關(guān)聯(lián)關(guān)系，將一組文本劃分成若干個子集的技術(shù)，子集內(nèi)的文本之間距離很近，子集之間的距離相差比較大，其實質(zhì)是尋找隱藏在數(shù)據(jù)中的不同的數(shù)據(jù)模型，能夠?qū)崿F(xiàn)樣本空問的盲分類。

所謂購買詞，是指競價廣告等系統(tǒng)中用戶提交的用于競價的文本內(nèi)容。購買詞是一種較短的文本，平均長度在3-5個詞，在某種程度上可以看作是短文本，因此，購買詞聚類可以抽象為對一個短文本的集合進行聚類的過程。

現(xiàn)有的文本聚類方法主要是基于VSM的方法，通過把文本映射到向量空間中的一個點，通過計算點與點之間的距離實現(xiàn)對文本進行聚類。而這種常見的聚類方法，對短文本的情形并不是十分奏效，因為短文本存在稀疏性問題：文本長度短，包含的字少，存在一詞多義以及一義多詞(即一個意思可以用不同的詞來表達)的現(xiàn)象。

現(xiàn)有技術(shù)中，針對短文本的稀疏性問題，常見的解決方法是對原始文本進行擴充，豐富文本的外在表現(xiàn)形式，從而實現(xiàn)對短文本的聚類。

例如，通過引入重構(gòu)長文本的思想解決短文本的稀疏性問題；再例如，首先利用FP-Growth算法挖掘訓練集特征項與測試集特征項之間的共現(xiàn)關(guān)系，然后用得到的關(guān)聯(lián)規(guī)則對短文本測試文檔中的概念詞語進行特征擴展。

可見，現(xiàn)有的短文本聚類方法，都是根據(jù)短文本本身包含的詞，對短文本的外在表現(xiàn)形式和特征進行擴展，從而克服短文本的稀疏性問題，提高短文本聚類的準確性。

然而，現(xiàn)有這些短文本聚類方法，對聚類準確性的提高仍然有限。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種購買詞聚類方法和裝置，能提高購買詞聚類的準確性。

本發(fā)明的技術(shù)方案具體是這樣實現(xiàn)的：

一種購買詞聚類方法，該方法包括：

根據(jù)每個廣告主購買的購買詞、以及購買每個購買詞的次數(shù)，為每個購買詞建立廣告主向量，，

其中，所述廣告主向量中的每個廣告主特征均購買了所述購買詞，每個廣告主特征在所述廣告主向量中的權(quán)重根據(jù)所述次數(shù)確定；

根據(jù)各個購買詞的廣告主向量，對購買詞進行聚類。

一種購買詞聚類裝置，該裝置包括廣告主向量建立模塊和聚類模塊；

所述廣告主向量建立模塊，用于根據(jù)每個廣告主購買的購買詞、以及購買每個購買詞的次數(shù)，為每個購買詞建立廣告主向量，，其中，所述廣告主向量中的每個廣告主特征均購買了所述購買詞，每個廣告主特征在所述廣告主向量中的權(quán)重根據(jù)所述次數(shù)確定；

所述聚類模塊，用于根據(jù)各個購買詞的廣告主向量，對購買詞進行聚類。

由上述技術(shù)方案可見，本發(fā)明通過為購買詞建立廣告主向量，根據(jù)各個購買詞的廣告主向量，對購買詞進行聚類，由于當兩個購買詞被相同的一個或多個廣告主購買時，這兩個購買詞之間一般存在一定的關(guān)聯(lián)關(guān)系，因此，通過比較各個購買詞的廣告主向量，可以實現(xiàn)對購買詞的聚類。

附圖說明

圖1是本發(fā)明提供的購買詞聚類方法流程圖。

圖2是本發(fā)明提供的購買詞聚類方法第一詳細流程圖。

圖3是本發(fā)明提供的購買詞聚類方法第二詳細流程圖。

圖4是本發(fā)明提供的購買詞聚類裝置結(jié)構(gòu)圖。

具體實施方式

圖1是本發(fā)明提供的購買詞聚類方法流程圖。

如圖1所示，該方法包括：

步驟101，對于一購買詞，根據(jù)廣告主是否購買了該購買詞、以及購買該購買詞的次數(shù)，為該購買詞建立廣告主向量。

其中，根據(jù)每個廣告主購買的購買詞、以及購買每個購買詞的次數(shù)，為每個購買詞建立廣告主向量，所述廣告主向量中的每個廣告主特征均購買了所述購買詞，每個廣告主特征在所述廣告主向量中的權(quán)重根據(jù)所述次數(shù)確定。

步驟102，根據(jù)各個購買詞的廣告主向量，對購買詞進行聚類。

如果兩個購買詞被相同的一個或者多個廣告主購買，這樣這兩個購買詞之間就潛在的存在一種關(guān)聯(lián)，這種關(guān)聯(lián)可以稱為被購買關(guān)系。

本發(fā)明能根據(jù)廣告庫購買詞之間的被購買關(guān)系，挖掘出來購買詞之間的潛在關(guān)聯(lián)，當用普通的字面意義的方法得不到購買詞之間的關(guān)系的時候，本方法能明顯奏效。本發(fā)明適用于購買信息比較充分的系統(tǒng)中。