[發(fā)明專利]智能詞云圖數(shù)據(jù)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010126063.7
• 申請(qǐng)日: 2020-02-27
• 公開（公告）號(hào): CN111368553A
• 公開（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 黃世鋒
• 申請(qǐng)（專利權(quán)）人: 廣州視源電子科技股份有限公司
• 主分類號(hào): G06F40/30
• 分類號(hào): G06F40/30;G06F40/211;G06F40/289;G06F16/35;G06F16/34
• 代理公司: 北京權(quán)智天下知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11638
• 代理人: 王新愛

本發(fā)明公開了一種智能詞云圖數(shù)據(jù)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括獲取原始文本數(shù)據(jù)集，所述原始文本數(shù)據(jù)集中包含有多個(gè)原始語句；確定每個(gè)所述原始語句之間的句子相似度，根據(jù)所述句子相似度進(jìn)行所述原始語句的聚類得到第一顯示內(nèi)容；對(duì)所述第一顯示內(nèi)容進(jìn)行歸納處理，得到第二顯示內(nèi)容；將所述第二顯示內(nèi)容進(jìn)行展示。本方案提高了詞云圖交互效率以及顯示效果，顯示內(nèi)容更加清晰明了。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其涉及一種智能詞云圖數(shù)據(jù)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

詞云圖也稱文字云，在詞云圖的顯示過程，會(huì)在收集到的文字內(nèi)容中選擇出現(xiàn)頻率較高的詞、句子進(jìn)行顯示，通常在顯示過程中基于詞出現(xiàn)的頻率的不同顯示文字被賦予不同大小和顯示顏色。示例性的，頻率出現(xiàn)最高的詞字體字號(hào)越大，同時(shí)可顯示在顯示界面的中心位置，一些出現(xiàn)頻率較低的詞，則顯示在出現(xiàn)頻率較高的詞的周圍。通過詞云圖的顯示方式，可以使瀏覽者第一時(shí)間直觀的了解文字大意，而略過其他無用信息。

由于詞云圖的眾多優(yōu)點(diǎn)，其應(yīng)用場(chǎng)景也越來越廣泛，如在課堂交互場(chǎng)景中，老師可提出一個(gè)問題，每個(gè)學(xué)生的作答內(nèi)容可以以詞云圖的方式進(jìn)行展示。在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)存在如下缺陷：按詞頻統(tǒng)計(jì)的方法沒辦法把描述不同但語義相同的句子合并起來，如”開心“與”高興“同樣都是描述心情很好，可以只展示其中一個(gè)詞，但是現(xiàn)有的技術(shù)方案會(huì)把這兩個(gè)詞同時(shí)展示，造成信息冗余，讓詞云圖看起來非常密，不利于老師了解學(xué)生的回答情況。當(dāng)學(xué)生的回答內(nèi)容是句子形式的時(shí)候，現(xiàn)有的技術(shù)方案有兩個(gè)選擇，一個(gè)是直接顯示句子，另一個(gè)是進(jìn)行分詞后再顯示，無論采取哪種方式，其都存在較大弊端，直接顯示句子會(huì)讓詞云圖的內(nèi)容非常多，無法凸顯重點(diǎn)；進(jìn)行分詞會(huì)讓把學(xué)生的回答切分成幾個(gè)詞，無法聚焦，老師不能完整地知道學(xué)生真正想表達(dá)的內(nèi)容。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種智能詞云圖數(shù)據(jù)處理方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，提高了詞云圖交互效率以及顯示效果，顯示內(nèi)容更加清晰明了。

第一方面，本發(fā)明實(shí)施例提供了一種智能詞云圖數(shù)據(jù)處理方法，包括：

獲取原始文本數(shù)據(jù)集，所述原始文本數(shù)據(jù)集中包含有多個(gè)原始語句；

確定每個(gè)所述原始語句之間的句子相似度，根據(jù)所述句子相似度進(jìn)行所述原始語句的聚類得到第一顯示內(nèi)容；

對(duì)所述第一顯示內(nèi)容進(jìn)行歸納處理，得到第二顯示內(nèi)容；

將所述第二顯示內(nèi)容進(jìn)行展示。

可選的，所述確定每個(gè)所述原始語句之間的句子相似度，包括：

通過預(yù)訓(xùn)練模型對(duì)每個(gè)所述原始語句進(jìn)行編碼得到每個(gè)所述原始語句對(duì)應(yīng)的句子向量；

根據(jù)每個(gè)所述原始語句對(duì)應(yīng)的句子向量計(jì)算得到每個(gè)所述原始語句之間的句子相似度。

可選的，所述確定每個(gè)所述原始語句之間的句子相似度，包括：

提取每個(gè)所述原始語句中的關(guān)鍵詞，通過預(yù)訓(xùn)練模型對(duì)每個(gè)關(guān)鍵詞進(jìn)行編碼得到每個(gè)所述原始語句對(duì)應(yīng)的關(guān)鍵詞向量；

根據(jù)每個(gè)所述原始語句對(duì)應(yīng)的關(guān)鍵詞向量和句子向量計(jì)算得到每個(gè)所述原始語句之間的句子相似度。

可選的，所述根據(jù)每個(gè)所述原始語句對(duì)應(yīng)的關(guān)鍵詞向量和句子向量計(jì)算得到每個(gè)所述原始語句之間的句子相似度，包括：

計(jì)算每個(gè)所述原始語句對(duì)應(yīng)的關(guān)鍵詞向量的余弦相似度，以及對(duì)應(yīng)的句子的余弦相似度；

依據(jù)預(yù)設(shè)比例對(duì)所述關(guān)鍵詞向量的余弦相似度和所述句子的余弦相似度進(jìn)行加權(quán)融合得到每個(gè)所述原始語句之間的句子相似度。

可選的，所述根據(jù)所述句子相似度進(jìn)行所述原始語句的聚類得到第一顯示內(nèi)容，包括：