[發(fā)明專(zhuān)利]一種會(huì)話場(chǎng)景文本挖掘的方法及計(jì)算裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811208617.7
• 申請(qǐng)日: 2018-10-17
• 公開(kāi)（公告）號(hào): CN111061865A
• 公開(kāi)（公告）日: 2020-04-24
• 發(fā)明（設(shè)計(jì)）人: 徐樂(lè)樂(lè)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 武漢斗魚(yú)網(wǎng)絡(luò)科技有限公司
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06F16/332
• 代理公司: 北京眾達(dá)德權(quán)知識(shí)產(chǎn)權(quán)代理有限公司 11570
• 代理人: 徐松

本申請(qǐng)實(shí)施例公開(kāi)了一種會(huì)話場(chǎng)景文本挖掘的方法，用于提煉主播過(guò)程中的具體聊天場(chǎng)景，為機(jī)器人提供針對(duì)場(chǎng)景的會(huì)話答復(fù)，使得機(jī)器人更加智能化，提高用戶(hù)體驗(yàn)。本申請(qǐng)實(shí)施例方法包括：根據(jù)文本距離計(jì)算公式計(jì)算N個(gè)文本中任意兩個(gè)文本之間的距離d(t_i,t_j)；選擇任意兩個(gè)文本之間的距離中最大距離對(duì)應(yīng)的兩個(gè)文本t₁和t₂；當(dāng)簇中心點(diǎn)的個(gè)數(shù)為k為2時(shí)，根據(jù)文本距離計(jì)算公式，將N?k個(gè)文本分配到k個(gè)簇集合中；根據(jù)中心點(diǎn)最優(yōu)函數(shù)計(jì)算每個(gè)簇集合中的新中心點(diǎn)；在每個(gè)簇集合中，選取新中心點(diǎn)；根據(jù)標(biāo)準(zhǔn)測(cè)度函數(shù)公式計(jì)算第一次分配的分配誤差G_i和第二次分配的分配誤差G_j；當(dāng)|G_i?G_j|≤ε時(shí)，停止迭代。

技術(shù)領(lǐng)域

本申請(qǐng)涉及大數(shù)據(jù)領(lǐng)域，尤其涉及一種會(huì)話場(chǎng)景文本挖掘的方法及計(jì)算裝置。

背景技術(shù)

隨著科技的發(fā)展，聊天機(jī)器人(Chatbot)越來(lái)越成為重要的溝通工具，維基百科將聊天機(jī)器人定義為：通過(guò)聽(tīng)覺(jué)或文本方法進(jìn)行對(duì)話的計(jì)算機(jī)程序。但現(xiàn)在的市場(chǎng)輿論認(rèn)為機(jī)器人是下一個(gè)大變革：一種能立即接近客戶(hù)的方式。專(zhuān)家預(yù)估，到了2021年有超過(guò)50％的企業(yè)每年會(huì)花在聊天機(jī)器人的投資將超過(guò)傳統(tǒng)計(jì)算機(jī)應(yīng)用程序(Application，App),這揭示了聊天機(jī)器人是未來(lái)改變做生意以及客服方式的那把鑰匙。

聊天機(jī)器人創(chuàng)造了一個(gè)新的層次，使消費(fèi)者和品牌之間有了即時(shí)可及性、始終在線服務(wù)、和超人的能力。從用戶(hù)的電腦屏幕到用戶(hù)的手機(jī)到用戶(hù)的廚房柜臺(tái)，到處都可以是它們。當(dāng)今的公司面臨著日益不可能做到的完美服務(wù)需求(每天24小時(shí)，每周7天)，聊天機(jī)器人由此變得更有吸引力。

一般用戶(hù)想聊天機(jī)器人的回復(fù)更人性化，會(huì)設(shè)計(jì)一個(gè)通用回復(fù)和針對(duì)特定的場(chǎng)景的個(gè)性化回復(fù)，那么用戶(hù)怎么提煉到直播間主播聊天過(guò)程中的具體聊天場(chǎng)景？這是一個(gè)亟待解決的問(wèn)題。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種會(huì)話場(chǎng)景文本挖掘的方法及計(jì)算裝置，用于通過(guò)無(wú)監(jiān)督的聚類(lèi)方法，可以從直播間的大量彈幕文本中，提煉出K個(gè)會(huì)話場(chǎng)景，并將這些彈幕文本分類(lèi)至K個(gè)會(huì)話場(chǎng)景中，為機(jī)器人提供針對(duì)場(chǎng)景的會(huì)話答復(fù)，使得機(jī)器人的功能更加智能化，提高了用戶(hù)體驗(yàn)。

有鑒于此，本申請(qǐng)實(shí)施例第一方面提供了一種會(huì)話場(chǎng)景文本挖掘的方法，所述方法應(yīng)用于大數(shù)據(jù)系統(tǒng)，所述大數(shù)據(jù)系統(tǒng)包括k個(gè)場(chǎng)景，N個(gè)文本，最大的迭代次數(shù)num，Nk，k為大于2的正整數(shù)，可以包括：

根據(jù)文本距離計(jì)算公式計(jì)算所述N個(gè)文本中任意兩個(gè)文本之間的距離d(t_i,t_j)，其中，t_i表示第i個(gè)文本，t_j表示第j個(gè)文本；

選擇所述任意兩個(gè)文本之間的距離中最大距離對(duì)應(yīng)的兩個(gè)文本t₁和t₂，其中，所述t₁為第一簇中心點(diǎn)，所述t₂為第二簇中心點(diǎn)；

當(dāng)簇中心點(diǎn)的個(gè)數(shù)為k為2時(shí)，根據(jù)所述文本距離計(jì)算公式，將N-k個(gè)文本分配到k個(gè)簇集合中，所述k個(gè)簇集合包括所述第一簇中心點(diǎn)和所述第二簇中心點(diǎn)，且同一個(gè)簇集合中包括所述第一簇中心點(diǎn)或所述第二簇中心點(diǎn)中的任意一個(gè)；

根據(jù)中心點(diǎn)最優(yōu)函數(shù)計(jì)算每個(gè)簇集合中的新中心點(diǎn)；

在每個(gè)簇集合中，選取所述新中心點(diǎn)；

根據(jù)標(biāo)準(zhǔn)測(cè)度函數(shù)公式計(jì)算第一次分配的分配誤差G_i和第二次分配的分配誤差G_j；

當(dāng)|G_i-G_j|≤ε時(shí)，停止迭代，其中，ε為所有簇集合中心點(diǎn)與簇集合內(nèi)每個(gè)點(diǎn)的距離之和。