[发明专利]一种用于对问题进行聚类处理的方法与装置

说明书

本发明的目的是提供一种用于对问题进行聚类处理的方法与装置；获取待聚类的目标问题与候选问题；根据所述目标问题与候选问题的问题特征，确定所述目标问题与候选问题的特征向量；根据所述目标问题与候选问题的特征向量，计算所述目标问题与候选问题的相似度；根据所述相似度，并结合分段阈值，判断是否将所述目标问题与候选问题聚为一类。与现有技术相比，本发明根据待聚类的目标问题与候选问题的问题特征，确定特征向量，进而计算该目标问题与候选问题的相似度，并结合分段阈值，判断是否将该目标问题与候选问题聚为一类，高效、准确地对问题进行聚类处理，整合了问题资源，提高了用户的检索体验。

技术领域

本发明涉及计算机技术领域，尤其涉及一种用于对问题进行聚类处理的技术。

背景技术

目前在知道站内，存在着大量未经整理的重复资源，当用户检索某个问题寻求答案时，需要浏览多个同样的问题来得到解决。同时这部分资源的质量也是参差不齐，用户还需要对这些答案进行筛选，来获取较满意的答案。在这个过程中用户付出的点击成本较高，检索体验较差。经过数据分析发现，在知道站内已沉淀的资源中有39.5%为重复问题，其中22.92%的重复问题在问题描述的文本语义上是一致的。

目前，针对提问/短语类型的短串，具有若干工具可以进行其语义一致性的判断。其主要使用了类型划分、同义词替换、非关键词省略等技术方案，具有较好的效果。但是应用于带问题描述的提问时，往往不一定非常合适。因为在UGC问答社区，其提问具有多种不同的形式。例如：a）用户通常会在提问时写入一个较泛的问题“请教一个数学题”，而内容则详细描述；b）用户有多个问题，并不都在问题标题中全部包含，而会在详细描述中继续提问；c）在评论中也可能带有提问信息，等等。上述问题表明不能够完全照搬原有的语义一致性判断方法，必须开发一种适合问答类UGC产品的提问语义一致性判别算法。

因此，如何高效、准确地对问题进行聚类处理，成为本领域技术人员亟需解决的问题之一。

发明内容

本发明的目的是提供一种用于对问题进行聚类处理的方法与装置。

根据本发明的一个方面，提供了一种用于对问题进行聚类处理的方法，其中，该方法包括以下步骤：

a 获取待聚类的目标问题与候选问题；

b 根据所述目标问题与候选问题的问题特征，确定所述目标问题与候选问题的特征向量；

c 根据所述目标问题与候选问题的特征向量，计算所述目标问题与候选问题的相似度；

d 根据所述相似度，并结合分段阈值，判断是否将所述目标问题与候选问题聚为一类。

根据本发明的另一方面，还提供了一种用于对问题进行聚类处理的聚类装置，其中，该聚类装置包括：

获取装置，用于获取待聚类的目标问题与候选问题；

确定装置，用于根据所述目标问题与候选问题的问题特征，确定所述目标问题与候选问题的特征向量；

计算装置，用于根据所述目标问题与候选问题的特征向量，计算所述目标问题与候选问题的相似度；

判断装置，用于根据所述相似度，并结合分段阈值，判断是否将所述目标问题与候选问题聚为一类。

与现有技术相比，本发明获取待聚类的目标问题与候选问题，根据所述目标问题与候选问题的问题特征，确定所述目标问题与候选问题的特征向量，根据所述目标问题与候选问题的特征向量，计算所述目标问题与候选问题的相似度，根据所述相似度，并结合分段阈值，判断是否将所述目标问题与候选问题聚为一类，高效、准确地对问题进行聚类处理，整合了问题资源，提高了用户的检索体验。