[發明專利]一種數據的聚類方法和聚類裝置

在審

• 申請號: 201611032182.6
• 申請日: 2016-11-22
• 公開（公告）號: CN106776751A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 謝瑜;張昊;朱頻頻
• 申請（專利權）人: 上海智臻智能網絡科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京布瑞知識產權代理有限公司11505
• 代理人: 孟潭

1.一種數據的聚類方法，其特征在于，包括：

獲取待處理數據，所述待處理數據包括測試數據和非測試數據；

對測試數據進行第一分類處理，得到第一分類結果；

采用初始預設值對測試數據進行第二分類處理，得到第二分類結果，所述第二分類處理包括：分別獲取第M句數據的句向量與已聚類的L個信息組的句向量平均值之間的最大相似度值，當所述最大相似度值大于所述初始預設值時，將第M句數據聚類到所述最大相似度值對應的信息組中；當所述最大相似度值小于所述初始預設值時，將第M句數據作為第L+1個信息組，所述L小于或等于M-1；

比較所述第二分類結果和所述第一分類結果，當以第一分類結果為標準得到第二分類結果的準確率大于或等于閾值時，將所述初始預設值作為目標預設值；當以第一分類結果為標準得到第二分類結果的準確率小于閾值時，不斷調整所述初始預設值，直至將所述初始預設值調整為目標預設值時得到新的第二分類結果的準確率大于或等于閾值；

采用目標預設值對非測試數據進行第二分類處理。

2.如權利要求1所述的數據的聚類方法，其特征在于，所述第一分類處理為人工分類。

3.如權利要求1所述的數據的聚類方法，其特征在于，對所述測試數據進行所述第一分類處理得到的所述第一分類結果中的分類數目與對所述測試數據進行所述第二分類處理得到的所述第二分類結果中的分類數目相同。

4.如權利要求1所述的數據的聚類方法，其特征在于，對所述測試數據進行所述第一分類處理得到的所述第一分類結果中各分類的中心點與對所述測試數據進行所述第二分類處理得到的所述第二分類結果中各分類的中心點相同。

5.如權利要求1所述的數據的聚類方法，其特征在于，所述測試數據進行所述第二分類處理得到的所述第二分類結果中各分類的中心點動態變化。

6.如權利要求1所述的數據的聚類方法，其特征在于，第M句數據的句向量通過以下方式獲得：

對第M句數據進行預處理和分詞處理，得到第M句數據的特征詞；

獲取所述特征詞的詞向量，并根據所述詞向量獲取第M句數據的句向量。

7.如權利要求6所述的數據的聚類方法，其特征在于，得到所述特征詞之后，所述方法進一步包括：采用以下任一種或兩種方式對所述特征詞進行過濾處理：

根據詞性對所述特征詞進行過濾，保留名詞、動詞以及形容詞；

根據頻次對所述特征詞進行過濾，保留頻次大于頻次閾值的特征詞。

8.如權利要求6所述的問句信息處理方法，其特征在于，所述第二分類處理具體包括：

對T個句向量Q_T進行聚類，其中T≥M，M≥2；

初始K值、中心點P_K-1、以及聚類問題集{K，[P_K-1]}，其中，K表示聚類的類別數，K的初始值為1，中心點P_K-1的初始值為P₀，P₀＝Q₁，Q₁表示第1個句向量，聚類問題集的初始值為{1，[Q₁]}；

依次對剩下的Q_T進行聚類，計算當前句向量與每個聚類問題集的中心點的相似度，如果當前句向量與某個聚類問題集的中心點的相似度大于或等于預設值，則將當前句向量聚類到相應的聚類問題集中，保持K值不變，將相應的中心點更新為聚類問題集中所有句向量的向量平均值，相應的聚類問題集為{K，[句向量的向量平均值]}；如果當前句向量與所有聚類問題集中的中心點的相似度均小于預設值，則令K＝K+1，增加新的中心點，所述新的中心點的值為當前句向量，并增加新的聚類問題集{K，[當前句向量]}。