[發明專利]用于數據聚類的方法、裝置、設備、介質和產品

有效

• 申請號: 202110552773.0
• 申請日: 2021-05-20
• 公開（公告）號: CN113254578B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 章文俊;周厚謙;黃強;鐘輝強;卓澤城
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/30;G06F18/23;G06F16/951
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于數據聚類的方法，包括：

獲取待聚類信息；

確定所述待聚類信息對應的向量集合；

在所述向量集合中確定每個語義類別對應的向量，包括：對于所述向量集合中的每個向量，基于預設的語義分類模型，確定該向量對應的語義類別；基于所述向量集合中各個向量對應的語義類別，確定各個語義類別對應的向量；

將各個語義類別對應的向量進行聚類，得到各個語義類別對應的聚類數據集合。

2.根據權利要求1所述的方法，其中，所述將各個語義類別對應的向量進行聚類，得到各個語義類別對應的聚類數據集合，包括：

對于各個語義類別中的每個語義類別，對該語義類別對應的向量進行聚類，得到該語義類別對應的聚類簇集合；

對于所述聚類簇集合中的每個聚類簇，基于該聚類簇的簇中心，確定該聚類簇的聚類數據；

基于所述聚類簇集合對應的各個聚類數據，確定該語義類別對應的聚類數據集合。

3.根據權利要求2所述的方法，其中，所述對于各個語義類別中的每個語義類別，對該語義類別對應的向量進行聚類，得到該語義類別對應的聚類簇集合，包括：

對于各個語義類別中的每個語義類別，確定該語義類別對應的每個向量的相似度信息和近鄰索引信息；

基于該語義類別對應的各個向量的相似度信息，確定該語義類別對應的各個向量的向量順序；

基于所述向量順序和所述近鄰索引信息，遍歷該語義類別對應的各個向量，確定該語義類別對應的各個向量所在的聚類簇；

基于該語義類別對應的各個向量所在的各個聚類簇，確定該語義類別對應的所述聚類簇集合。

4.根據權利要求2所述的方法，其中，所述對于各個語義類別中的每個語義類別，對該語義類別對應的向量進行聚類，得到該語義類別對應的聚類簇集合，包括：

對于各個語義類別中的每個語義類別，從該語義類別對應的向量中確定抽樣向量；

基于所述抽樣向量，確定索引信息；

基于所述索引信息，對該語義類別對應的向量進行聚類，得到該語義類別對應的聚類簇集合。

5.根據權利要求2所述的方法，其中，所述基于所述聚類簇集合對應的各個聚類數據，確定該語義類別對應的聚類數據集合，包括：

對于所述聚類簇集合中的每個聚類數據，在該聚類數據所在聚類簇中，確定與該聚類數據對應的支持信息；

基于所述聚類簇集合對應的各個聚類數據和每個聚類數據對應的支持信息，確定該語義類別對應的聚類數據集合。

6.根據權利要求1所述的方法，其中，所述確定所述待聚類信息對應的向量集合，包括：

對所述待聚類信息進行預處理，得到預處理后的待聚類信息；所述預處理至少包括過濾和/或清洗；

基于所述預處理后的待聚類信息，確定所述向量集合。

7.一種用于數據聚類的裝置，包括：

數據獲取單元，被配置成獲取待聚類信息；

集合確定單元，被配置成確定所述待聚類信息對應的向量集合；

向量確定單元，被配置成在所述向量集合中確定每個語義類別對應的向量；

觀點確定單元，被配置成將各個語義類別對應的向量進行聚類，得到各個語義類別對應的聚類數據集合；

其中，所述向量確定單元進一步被配置成：對于所述向量集合中的每個向量，基于預設的語義分類模型，確定該向量對應的語義類別；基于所述向量集合中各個向量對應的語義類別，確定各個語義類別對應的向量。

8.根據權利要求7所述的裝置，其中，所述觀點確定單元進一步被配置成：

對于各個語義類別中的每個語義類別，對該語義類別對應的向量進行聚類，得到該語義類別對應的聚類簇集合；

對于所述聚類簇集合中的每個聚類簇，基于該聚類簇的簇中心，確定該聚類簇的聚類數據；

基于所述聚類簇集合對應的各個聚類數據，確定該語義類別對應的聚類數據集合。