[發(fā)明專利]信息交互平臺(tái)的交互數(shù)據(jù)分類方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010061143.9
• 申請(qǐng)日: 2020-01-19
• 公開(kāi)（公告）號(hào): CN111259649A
• 公開(kāi)（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 曾冰清
• 申請(qǐng)（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號(hào): G06F40/211
• 分類號(hào): G06F40/211;G06F40/289;G06F40/30;G06K9/62
• 代理公司: 北京鴻元知識(shí)產(chǎn)權(quán)代理有限公司 11327
• 代理人: 袁文婷;王迎

1.一種信息交互平臺(tái)的交互數(shù)據(jù)分類方法，應(yīng)用于電子裝置，其特征在于，所述方法包括：

對(duì)從交互數(shù)據(jù)語(yǔ)料庫(kù)中獲取的交互數(shù)據(jù)做語(yǔ)句編號(hào)處理，得到編號(hào)語(yǔ)句；

根據(jù)預(yù)設(shè)的沒(méi)有語(yǔ)義價(jià)值的詞語(yǔ)集合，剔除所述編號(hào)語(yǔ)句中沒(méi)有語(yǔ)義價(jià)值的詞語(yǔ)，得到精選編號(hào)語(yǔ)句；

利用預(yù)設(shè)的權(quán)重算法，計(jì)算出組成所述精選編號(hào)語(yǔ)句中的詞語(yǔ)在所述交互數(shù)據(jù)語(yǔ)料庫(kù)中出現(xiàn)的詞頻；

根據(jù)所述詞頻，確定組成所述精選編號(hào)語(yǔ)句的詞語(yǔ)在所述交互數(shù)據(jù)語(yǔ)料庫(kù)中的權(quán)重；

將組成所述精選編號(hào)語(yǔ)句的詞語(yǔ)在所述交互數(shù)據(jù)語(yǔ)料庫(kù)中的權(quán)重整理為編號(hào)特征向量；

根據(jù)所述編號(hào)特征向量計(jì)算每?jī)蓚€(gè)編號(hào)語(yǔ)句的相似值；

根據(jù)所述相似值對(duì)所述編號(hào)語(yǔ)句進(jìn)行歸類。

2.根據(jù)權(quán)利要求1所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，所述對(duì)從交互數(shù)據(jù)語(yǔ)料庫(kù)中獲取的交互數(shù)據(jù)做語(yǔ)句編號(hào)處理的步驟包括：

將從所述交互數(shù)據(jù)語(yǔ)料庫(kù)中獲取的交互數(shù)據(jù)語(yǔ)句按時(shí)間順序進(jìn)行排序，得到時(shí)間排序語(yǔ)句；

確定出所述時(shí)間排序語(yǔ)句中的語(yǔ)料最小單元，其中，所述語(yǔ)料最小單元為用戶每次所發(fā)送的對(duì)話語(yǔ)句；

對(duì)所述語(yǔ)料最小單元進(jìn)行編號(hào)。

3.根據(jù)權(quán)利要求2所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，所述根據(jù)預(yù)設(shè)的沒(méi)有語(yǔ)義價(jià)值的詞語(yǔ)集合，剔除所述編號(hào)語(yǔ)句中沒(méi)有語(yǔ)義價(jià)值的詞語(yǔ)的步驟包括：

將所述編號(hào)語(yǔ)句的語(yǔ)料最小單元進(jìn)行分詞處理，得到分詞集合；

將所述分詞集合與預(yù)設(shè)的沒(méi)有語(yǔ)義價(jià)值的詞語(yǔ)集合做差集處理，除去沒(méi)有語(yǔ)義價(jià)值的詞語(yǔ)。

4.根據(jù)權(quán)利要求1所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，所述預(yù)設(shè)的權(quán)重算法為TF-IDF算法，所述TF-IDF算法的公式為：

TF-IDF＝TF*log(N/Nw)，

TF＝Tn/Dn；

其中，TF表示詞語(yǔ)在聊天記錄語(yǔ)料庫(kù)中出現(xiàn)的詞頻，Tn表示詞語(yǔ)在聊天記錄語(yǔ)料庫(kù)中出現(xiàn)的次數(shù)，Dn表示聊天記錄語(yǔ)料庫(kù)中的總詞數(shù)，N表示語(yǔ)料最小單元的總個(gè)數(shù)，Nw表示出現(xiàn)該詞語(yǔ)的語(yǔ)料最小單元的個(gè)數(shù)。

5.根據(jù)權(quán)利要求4所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述詞頻，確定組成所述精選編號(hào)語(yǔ)句的詞語(yǔ)在所述聊天記錄語(yǔ)料庫(kù)中的權(quán)重的步驟包括：

將所述精選編號(hào)語(yǔ)句的詞語(yǔ)通過(guò)所述TF-IDF算法計(jì)算得到的參數(shù)值作為該詞語(yǔ)在所述交互數(shù)據(jù)語(yǔ)料庫(kù)中的權(quán)重。

6.根據(jù)權(quán)利要求1所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，將組成所述精選編號(hào)語(yǔ)句的詞語(yǔ)在所述交互數(shù)據(jù)語(yǔ)料庫(kù)中的權(quán)重整理為編號(hào)特征向量的步驟包括：

將所述編號(hào)語(yǔ)句做分詞處理，得到編號(hào)語(yǔ)句詞集；

將所述編號(hào)語(yǔ)句詞集做并集處理，得到詞全集；

將所述詞全集中的詞語(yǔ)按照漢語(yǔ)拼音的字母順序進(jìn)行排序，得到有序詞集；

將所述精選編號(hào)語(yǔ)句的詞語(yǔ)在所述交互數(shù)據(jù)語(yǔ)料庫(kù)中的權(quán)重按照該詞語(yǔ)在所述有序詞集中的位置進(jìn)行排序處理，得到所述精選編號(hào)語(yǔ)句的詞語(yǔ)的權(quán)重序列集合；

將所述精選編號(hào)語(yǔ)句的詞語(yǔ)的權(quán)重序列表集合作為所述精選編號(hào)語(yǔ)句的編號(hào)特征向量。

7.根據(jù)權(quán)利要求1所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述編號(hào)特征向量計(jì)算每?jī)蓚€(gè)編號(hào)語(yǔ)句的相似值的步驟包括：

利用余弦定理計(jì)算出每?jī)蓚€(gè)編號(hào)特征向量夾角的余弦值；

將每?jī)蓚€(gè)編號(hào)特征向量夾角的余弦值，作為與編號(hào)特征向量對(duì)應(yīng)的兩個(gè)編號(hào)語(yǔ)句的相似值。

8.根據(jù)權(quán)利要求7所述的信息交互平臺(tái)的交互數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述相似值對(duì)所述編號(hào)語(yǔ)句進(jìn)行歸類的步驟包括：

將每?jī)蓚€(gè)編號(hào)特征向量夾角的余弦值與預(yù)設(shè)閾值進(jìn)行比較，將大于或等于所述預(yù)設(shè)閾值的兩個(gè)編號(hào)特征向量所對(duì)應(yīng)的編號(hào)語(yǔ)句歸為同類。