[發明專利]一種文本聚類系統、方法、裝置、設備及介質

在審

• 申請號: 202010947082.6
• 申請日: 2020-09-10
• 公開（公告）號: CN114168729A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 段新宇;秦善夫;盧棟才;王喆鋒;懷寶興;袁晶
• 申請（專利權）人: 華為云計算技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 常忠良

1.一種文本聚類系統，其特征在于，所述系統包括：

聚類裝置、交互裝置；

所述聚類裝置，用于對多個文本進行聚類，得到初始聚類結果；

所述交互裝置，用于呈現從所述聚類裝置獲取的所述初始聚類結果，并響應針對所述初始聚類結果中第一部分的調整操作，得到第一聚類結果；

所述聚類裝置，還用于根據所述調整操作，將所述初始聚類結果中的第二部分更新為第二聚類結果。

2.根據權利要求1所述的系統，其特征在于，所述聚類裝置，還用于對聚類得到所述初始聚類結果的過程中涉及的中間信息進行記錄，并根據所述中間信息以及所述調整操作將所述初始聚類結果中的第二部分更新為所述第二聚類結果。

3.根據權利要求2所述的系統，其特征在于，所述中間信息包括所述多個文本中單詞之間的相似度、文本之間的相似度、單詞的權重值以及單詞屬性的定義等信息中的任意一種或多種。

4.根據權利要求1至3任一項所述的系統，其特征在于，所述調整操作，包括所述多個文本中單詞屬性的定義操作、單詞之間關聯性定義操作、文本之間關聯性定義操作、聚類類目定義操作、噪音標注操作以及聚類類目特征的標注操作中的任意一種或多種。

5.根據權利要求1至4任一項所述的系統，其特征在于，所述聚類裝置具體用于：

計算所述多個文本中不同文本之間的相似度；

根據所述不同文本之間的相似度，計算所述多個文本中不同文本與聚類類目之間的相似度，并基于所述不同文本與聚類類目之間的相似度確定所述初始聚類結果；

計算用于表征聚類類目特征的文本與關鍵詞。

6.根據權利要求1至5任一項所述的系統，其特征在于，所述多個文本中包括標準文本以及待聚類文本，所述標準文本已完成聚類；

所述聚類裝置，具體用于根據所述標準文本對所述待聚類文本進行聚類。

7.根據權利要求1至6任一項所述的系統，其特征在于，所述聚類裝置，具體用于對所述多個文本進行預處理，所述預處理包括分詞、錯誤糾正、去噪、去除停用詞、詞性檢測中的任意一種或多種，并對經過預處理的多個文本進行聚類，得到所述初始聚類結果。

8.一種文本聚類方法，其特征在于，所述方法應用于聚類裝置，所述方法包括：

對多個文本進行聚類，得到初始聚類結果；

向交互裝置發送所述初始聚類結果；

根據所述交互裝置發送的針對于所述初始聚類結果中第一部分的調整操作，將所述初始聚類結果中的第二部分更新為第二聚類結果。

9.根據權利要求8所述的方法，其特征在于，所述方法還包括：

對聚類得到所述初始聚類結果的過程中涉及的中間信息進行記錄；

則所述根據所述交互裝置發送的針對于所述初始聚類結果中第一部分的調整操作，將所述初始聚類結果中的第二部分更新為第二聚類結果，包括：

根據所述中間信息以及所述調整操作將所述初始聚類結果中的第二部分更新為所述第二聚類結果。

10.根據權利要求9所述的方法，其特征在于，所述中間信息包括所述多個文本中單詞之間的相似度、文本之間的相似度、單詞的權重值、以及單詞屬性的定義等信息中的任意一種或多種。

11.根據權利要求8至10任一項所述的方法，其特征在于，所述調整操作，包括所述多個文本中單詞屬性的定義操作、單詞之間關聯性定義操作、文本之間關聯性定義操作、聚類類目定義操作、噪音標注操作以及聚類類目特征的標注操作中的任意一種或多種。