[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

本公開提供了一種網絡數據的聚類方法，屬于云計算技術領域。該方法包括：首先獲取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；然后針對每個網絡數據對象，基于網絡數據對象的描述文本中的詞語與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，語義關聯系數用于衡量對應的詞語與網絡數據對象的服務功能的相關程度，并基于每個詞語對應的語義關聯系數，處理網絡數據對象的描述文本，得到網絡數據對象的文本特征向量；接下來基于Q個網絡數據對象的文本特征向量，對Q個網絡數據對象進行聚類。本公開還提供了一種網絡數據的聚類裝置、一種電子設備、以及一種計算機可讀存儲介質。

技術領域

本公開屬于云計算技術領域，更具體地，涉及一種網絡數據的聚類方法、聚類裝置、電子設備及介質。

背景技術

隨著Web 2.0技術的發展，互聯網上涌現了許多創新的應用和軟件系統，如博客、維基、網絡地圖、在線購物和搜索系統等。隨著互聯網上的網絡數據資源急速增加，如何發現快速、準確找到用戶所需的網絡數據已經成為一個亟待解決的問題。

根據大量的研究工作表明，網絡數據對象聚類后可以將類似的網絡數據聚集到同一個簇中，從而在搜索或調用網絡數據的時，可以根據關鍵詞信息在相關聯的一個或若干個簇中進行搜索，這樣可以有效減少網絡數據的搜索空間，促進網絡數據的發現。在此過程中，網絡數據聚類的精度對于精準且快速地發現網絡數據至關重要。

發明內容

有鑒于此，本公開實施例提供了一種網絡數據的聚類方法、聚類裝置、電子設備及介質，可以在一定程度上提高網絡數據的聚類精度，使得網絡數據聚類結果與網絡數據真實的服務功能分布的更加吻合。

本公開實施例的一個方面，提供了一種網絡數據的聚類方法。該方法包括：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，并且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。

根據本公開的實施例，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，其中，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。

根據本公開的實施例，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。

根據本公開的實施例，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。