[發明專利]網絡數據的聚類方法、聚類裝置、電子設備及介質

在審

• 申請號: 202110450664.8
• 申請日: 2021-04-25
• 公開（公告）號: CN113139056A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 朱書苗;顏開華;鄧潔;經緯
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289;G06F40/30;G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 趙婷

1.一種網絡數據的聚類方法，包括：

獲取Q個網絡數據對象的描述文本與標簽，其中，Q為大于1的整數；

針對每個所述網絡數據對象，

基于所述網絡數據對象的描述文本中的詞語與所述網絡數據對象的標簽的語義相似度，得到與該詞語對應的語義關聯系數，所述語義關聯系數用于衡量對應的詞語與所述網絡數據對象的服務功能的相關程度；以及

基于每個詞語對應的所述語義關聯系數，處理所述網絡數據對象的描述文本，得到所述網絡數據對象的文本特征向量；以及

基于Q個所述網絡數據對象的文本特征向量，對Q個所述網絡數據對象進行聚類。

2.根據權利要求1所述的方法，其中，所述基于所述網絡數據對象的描述文本中的詞語與所述網絡數據對象的標簽的語義相似度，得到與該詞語對應的語義關聯系數包括：

基于每個詞語對應的特征詞向量與標簽詞向量集合中每個標簽詞向量的相似度的累加，得到該詞語對應的文本語義權重；所述語義關聯系數包括所述文本語義權重；

其中，

所述標簽詞向量集合為對所述網絡數據對象的標簽進行處理后得到的詞向量的集合，所述標簽詞向量集合所包含的所述標簽詞向量的個數等于或大于所述網絡數據對象的標簽中標簽詞的個數。

3.根據權利要求2所述的方法，其中，所述基于所述網絡數據對象的描述文本中的詞語與所述網絡數據對象的標簽的語義相似度，得到與該詞語對應的語義關聯系數還包括：

基于每個詞語對應的所述文本語義權重與該詞語在Q個所述網絡數據對象中統計得到的詞頻-逆向文本頻率TF-IDF值，得到該詞語的語義詞頻融合權重；其中，所述語義關聯系數包括所述語義詞頻融合權重。

4.根據權利要求2所述的方法，其中，所述基于所述網絡數據對象的描述文本中的詞語與所述網絡數據對象的標簽的語義相似度，得到與該詞語對應的語義關聯系數還包括：

利用Word2vec模型處理所述網絡數據對象的描述文本，得到所述網絡數據對象對應的特征詞向量集合，其中，所述特征詞向量集合為所述網絡數據對象的描述文本中的詞語對應的所述特征詞向量組成的集合；以及

利用所述Word2vec模型處理所述網絡數據對象的標簽，得到所述所述標簽詞向量集合。

5.根據權利要求4所述的方法，其中，所述利用所述Word2vec模型處理所述網絡數據對象的標簽，得到所述所述標簽詞向量集合包括：

利用所述Word2vec模型查找與所述網絡數據對象的標簽中每個標簽詞最為相似的R個詞，其中，R為大于或等于1的整數；

將所述網絡數據對象的標簽中的全部標簽詞、以及與每個標簽詞最為相似的R個詞合并在一起，得到擴充標簽集合；以及

利用所述Word2vec模型處理所述擴充標簽集合，得到所述標簽詞向量集合。

6.根據權利要求1～5任意一項所述的方法，其中，所述基于每個詞語對應的所述語義關聯系數，處理所述網絡數據對象的描述文本，得到所述網絡數據對象的文本特征向量包括：

處理所述網絡數據對象的描述文本，得到所述網絡數據對象對應的特征詞向量集合，其中，所述特征詞向量集合為由所述網絡數據對象的描述文本中的詞語對應的特征詞向量組成的集合；以及

以每個詞語對應的所述語義關聯系數作為該詞語對應的所述特征詞向量的權重，對所述特征詞向量集合中的所述特征詞向量進行加權處理，得到所述文本特征向量。

7.根據權利要求1所述的方法，其中，所述基于Q個所述網絡數據對象的文本特征向量，對Q個所述網絡數據對象進行聚類包括：

基于Q個所述網絡數據對象的所述文本特征向量之間的兩兩相似度，構造Q*Q的相似度矩陣，其中，所述相似度矩陣中第i*j個元素表示第i個所述網絡數據對象的所述文本特征向量與第j個所述網絡數據對象的所述文本特征向量之間的相似度；以及

以所述相似度矩陣作為k-means算法的輸入，對Q個所述網絡數據對象進行聚類。

8.根據權利要求1所述的方法，其中，所述網絡數據對象包括mushup服務。