[發明專利]聚類方法及裝置、計算機可讀存儲介質、處理器

在審

• 申請號: 202011063022.4
• 申請日: 2020-09-30
• 公開（公告）號: CN112100382A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 羅世治;張奧萌;高一宸
• 申請（專利權）人: 珠海碳云智能科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06K9/62;G06F40/216;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 董文倩

1.一種聚類方法，其特征在于，包括：

獲取問題數據；

確定所述問題數據中的任意兩個句子之間的關鍵詞相似度；

確定所述問題數據中的任意兩個句子之間的語義相似度；

依據所述關鍵詞相似度和所述語義相似度對所述問題數據中的句子進行聚類，并輸出聚類結果。

2.根據權利要求1所述的方法，其特征在于，確定所述問題數據中的任意兩個句子之間的關鍵詞相似度，包括：

獲取預設關鍵詞；

從所述問題數據的句子中提取與所述預設關鍵詞相同的關鍵詞，得到每個句子的關鍵詞數據集；

依據所述每個句子的關鍵詞數據集計算所述問題數據中的任意兩個句子之間的相似度系數；

將所述相似度系數作為所述關鍵詞相似度。

3.根據權利要求1所述的方法，其特征在于，依據所述關鍵詞相似度和所述語義相似度對所述問題數據中的句子進行聚類，包括：

依據所述關鍵詞相似度對所述問題數據中的句子做粗分支聚類，得到所述問題數據中的句子的粗分支聚類結果；

依據所述語義相似度對所述粗分支聚類結果中的每個粗分支做細分支聚類，得到所述問題數據中的句子的細分支聚類結果。

4.根據權利要求1所述的方法，其特征在于，確定所述問題數據中的任意兩個句子之間的語義相似度，包括：

利用第一模型計算所述任意兩個句子之間語義相似度，得到所述任意兩個句子之間的第一語義相似度，所述第一模型通過詞向量計算兩個句子之間的語義相似度；和/或

利用第二模型計算所述任意兩個句子之間語義相似度，得到所述任意兩個句子之間的第二語義相似度，所述第二模型通過句子向量計算兩個句子之間的語義相似度。

5.根據權利要求4所述的方法，其特征在于，利用第一模型計算所述任意兩個句子之間語義相似度，包括：

將所述問題數據中的每個句子切分為字符的集合，所述字符為組成所述句子的最小單元；

從所述第一模型中提取每個句子包括的字符對應的詞向量；

對所述每個句子包括的字符對應的詞向量進行加權平均計算，得到所述每個句子對應的詞向量；

依據所述每個句子對應的詞向量分別計算所述任意兩個句子之間的余弦相似度，得到所述任意兩個句子之間的第一語義相似度。

6.根據權利要求4所述的方法，其特征在于，利用第二模型計算所述任意兩個句子之間語義相似度，包括：

利用所述第二模型分別對所述任意兩個句子進行編碼，得到所述任意兩個句子中第一句子對應的向量和所述任意兩個句子中第二句子對應的向量；

將所述第一句子對應的向量和所述第二句子對應的向量進行矩陣內積計算，得到所述任意兩個句子之間的第二語義相似度。

7.根據權利要求6所述的方法，其特征在于，所述第二模型為加和邊界歸一化指數函數模型，利用所述第二模型分別對所述任意兩個句子進行編碼之前，所述方法還包括：

利用門控循環單元替換所述加和邊界歸一化指數函數模型中的卷積神經網絡；

利用預設問答數據集對所述加和邊界歸一化指數函數模型進行訓練，直至所述加和邊界歸一化指數函數模型收斂。

8.根據權利要求3所述的方法，其特征在于，依據所述關鍵詞相似度對所述問題數據中的句子做粗分支聚類之前，所述方法還包括：

依據所述關鍵詞相似度從所述問題數據的句子中篩選出進行粗分支聚類的第一目標句子組成的第一配對集合。