[发明专利]文本向量生成方法和装置在审
| 申请号： | 201810321444.3 | 申请日： | 2018-04-11 |
| 公开（公告）号： | CN110362815A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 王硕 | 申请（专利权）人： | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27 |
| 代理公司： | 中原信达知识产权代理有限责任公司 11219 | 代理人： | 张一军;张效荣 |
| 地址： | 100195 北京市海淀区杏石口路6*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 特征词 文本向量 方法和装置 聚类类别 词向量 文本 计算机技术领域 聚类处理 模型确定 算法确定 文本表示 文本挖掘 文本集 权重 算法 帮助 | ||
1.一种文本向量生成方法，其特征在于，所述方法包括：
基于word2vec模型确定文本集的每个特征词的词向量；
对所述词向量进行聚类处理，以得到每个特征词的聚类类别；
基于TextRank算法或TF-IDF算法确定每个特征词在所属文本中的权重；
根据同一文本的所有特征词的聚类类别和权重生成对应的文本向量。
2.根据权利要求1所述的方法，其特征在于，所述根据同一文本的所有特征词的聚类类别和权重生成对应的文本向量的步骤包括：
根据同一文本的所有特征词的聚类类别确定文本向量的维度数量，并将该文本中归属同一聚类类别的特征词的权重之和作为文本向量在每一维度下的值。
3.根据权利要求1所述的方法，其特征在于，所述基于word2vec模型确定文本集的每个特征词的词向量的步骤包括：
对文本集进行预处理，然后将预处理得到的特征词输入word2vec模型，以得到文本集的每个特征词的词向量；其中，所述预处理包括分词处理。
4.根据权利要求1所述的方法，其特征在于，所述对所述词向量进行聚类处理，以得到每个特征词的聚类类别的步骤包括：
基于k-means算法对所述词向量进行聚类处理，以得到每个特征词的聚类类别。
5.一种文本向量生成装置，其特征在于，所述装置包括：
第一确定模块，用于基于word2vec模型确定文本集的每个特征词的词向量；
聚类处理模块，用于对所述词向量进行聚类处理，以得到每个特征词的聚类类别；
第二确定模块，用于基于TextRank算法或TF-IDF算法确定每个特征词在所属文本中的权重；
生成模块，用于根据同一文本的所有特征词的聚类类别和权重生成对应的文本向量。
6.根据权利要求5所述的装置，其特征在于，所述生成模块根据同一文本的所有特征词的聚类类别和权重生成对应的文本向量包括：
所述生成模块根据同一文本的所有特征词的聚类类别确定文本向量的维度数量，并将该文本中归属同一聚类类别的特征词的权重之和作为文本向量在每一维度下的值。
7.根据权利要求5所述的装置，其特征在于，所述第一确定模块基于word2vec模型确定文本集的每个特征词的词向量包括：
所述第一确定模块对文本集进行预处理，然后将预处理得到的特征词输入word2vec模型，以得到文本集的每个特征词的词向量；其中，所述预处理包括分词处理。
8.根据权利要求5所述的装置，其特征在于，所述聚类处理模块对所述词向量进行聚类处理，以得到每个特征词的聚类类别包括：
所述聚类处理模块基于k-means算法对所述词向量进行聚类处理，以得到每个特征词的聚类类别。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至4中任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司，未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810321444.3/1.html，转载请声明来源钻瓜专利网。
