[发明专利]内容聚类方法及装置

说明书

本公开涉及内容聚类方法及装置。该方法包括：获取多组用户行为数据；分别确定每组用户行为数据对应的内容序列；将内容序列输入第一模型中，输出内容序列中的各个内容的向量，其中，第一模型用于使内容序列中相邻内容的向量之间的距离接近；根据内容的向量，对内容进行聚类，确定各个内容所属的类别。本公开能够自动进行内容聚类，无需人工进行内容聚类，节省了人力，易于对大量的内容进行聚类，并能更好地挖掘内容之间的相似度，保证同一类别的内容之间具有高相似度，另外，基于用户行为数据对应的内容序列进行内容聚类，对于长尾效应的曲线尾端的内容仍然能够挖掘到与其他内容之间的相似性，从而能够进一步提高内容聚类的准确性。

技术领域

本公开涉及信息技术领域，尤其涉及一种内容聚类方法及装置。

背景技术

相关技术中，通过人工对视频等内容进行聚类，得到各个类别的内容。这种人工进行内容聚类的方式需要耗费大量人力，且所得到的各个类别中内容之间的相似度难以得到保证。

发明内容

有鉴于此，本公开提出了一种内容聚类方法及装置。

根据本公开的一方面，提供了一种内容聚类方法，包括：

获取多组用户行为数据；

对于每一组用户行为数据，分别确定所述用户行为数据对应的内容序列；

将所述内容序列输入第一模型中，输出所述内容序列中的各个内容的向量，其中，所述第一模型用于使内容序列中相邻内容的向量之间的距离接近；

根据内容的向量，对内容进行聚类，确定各个内容所属的类别。

在一种可能的实现方式中，在将所述内容序列输入第一模型中之前，所述方法还包括：

确定用于训练所述第一模型的滑动窗口尺寸；

根据所述滑动窗口尺寸，从训练序列中提取训练样本对，其中，每组训练样本对包括输入样本和输出样本；

根据训练样本对训练所述第一模型，得到所述第一模型的隐层的参数。

在一种可能的实现方式中，根据内容的向量，对内容进行聚类，确定各个内容所属的类别，包括：

随机选取K个内容作为类中心，其中，K为大于1的整数，且K小于内容的总数；

确定类中心以外的各个内容的向量与各个类中心的向量之间的距离；

将类中心以外的各个内容归类至距离最近的类中心对应的类，得到归类结果；

重新确定各个类的类中心；

若本次确定的类中心的向量与上一次确定的类中心的向量之间的距离满足第一条件，则根据上一次得到的归类结果确定各个内容所属的类别；

若本次确定的类中心的向量与上一次确定的类中心的向量之间的距离不满足所述第一条件，则对本次确定的类中心以外的各个内容重新进行归类。

在一种可能的实现方式中，在确定各个内容所属的类别之后，所述方法还包括：

若第一类别和第二类别中的内容的相似度满足第二条件，则合并所述第一类别和所述第二类别。

在一种可能的实现方式中，在确定各个内容所属的类别之后，所述方法还包括：

确定所述第一类别和所述第二类别的交集中的第一内容数；

确定所述第一类别和所述第二类别的并集中的第二内容数；

若所述第一内容数与所述第二内容数的比值大于第一阈值，则确定所述第一类别和所述第二类别中的内容的相似度满足所述第二条件；