[发明专利]答案聚类方法及其装置、电子设备、计算机可读介质在审
申请号: | 201811071710.8 | 申请日: | 2018-09-14 |
公开(公告)号: | CN109460502A | 公开(公告)日: | 2019-03-12 |
发明(设计)人: | 高雪;陈喆;焦碧碧;李秋豪;莫智慧;毛书宇;王亚军 | 申请(专利权)人: | 广州神马移动信息科技有限公司 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06K9/62 |
代理公司: | 北京合智同创知识产权代理有限公司 11545 | 代理人: | 李杰 |
地址: | 510627 广东省广州市天河区黄埔大*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 答案 答案聚类 计算机可读介质 相似性聚类 电子设备 问答社区 聚类分析 聚类规则 智能 冗余 层级 分析 重复 申请 | ||
1.一种答案聚类方法,其特征在于,包括:
获取智能问答社区中针对同一问题的多个答案;
根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析;
根据对所述多个答案进行相似性聚类分析的结果,对所述多个答案进行层级划分。
2.根据权利要求1所述的方法,其特征在于,还包括:对每一个所述答案进行语义分析提取其中的实体关键词;对应地,根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析,包括:统计所述多个答案的实体关键词相似度,并根据设定的实体关键词相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
3.根据权利要求1所述的方法,其特征在于,还包括:对所述实体关键词进行类别属性划分;对应地,根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析,包括:统计所述多个答案的类别属性相似度,并根据设定的类别属性相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
4.根据权利要求1所述的方法,其特征在于,还包括:获取关联与多个所述答案的多个问题;对应地,根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析,包括:统计关联与多个所述答案的多个问题的相似度,并根据设定的问题相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
5.根据权利要求1所述的方法,其特征在于,还包括:对多个所述答案分别进行解析以生成对应的特征向量;对应地,根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析,包括:统计所述多个答案的特征向量的相似度,并根据设定的特征向量相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
6.根据权利要求1-5任一项所述的方法,其特征在于,根据对所述多个答案进行相似性聚类分析的结果,对所述多个答案进行层级划分,包括:根据对所述多个答案进行相似性聚类分析的结果,将对所述多个答案按照相似度高低分别配置于答案外露层或者答案收起层。
7.根据权利要求6所述的方法,其特征在于,还包括:为所述答案外露层与所述答案收起层中的答案配置不同的优先显示级别。
8.根据权利要求7所述的方法,其特征在于,还包括:所述答案外露层中的答案的优先显示级别大于所述答案收起层中的答案的优先显示级别。
9.一种答案聚类装置,其特征在于,包括:
获取单元,用于获取智能问答社区中针对同一问题的多个答案;
聚类单元,用于根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析;
层级划分单元,用于根据对所述多个答案进行相似性聚类分析的结果,对所述多个答案进行层级划分。
10.根据权利要求9所述的装置,其特征在于,还包括:提取单元,用于对每一个所述答案进行语义分析提取其中的实体关键词;对应地,所述聚类单元进一步用于统计所述多个答案的实体关键词相似度,并根据设定的实体关键词相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
11.根据权利要求9所述的装置,其特征在于,还包括:划分单元,用于对所述实体关键词进行类别属性划分;对应地,根据设定的聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析,包括:所述聚类单元进一步用于统计所述多个答案的类别属性相似度,并根据设定的类别属性相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
12.根据权利要求9所述的装置,其特征在于,还包括:关联单元,用于获取关联与多个所述答案的多个问题;对应地,所述聚类单元进一步用于统计关联与多个所述答案的多个问题的相似度,并根据设定的问题相似度聚类规则,对所述针对同一个问题的多个答案进行相似性聚类分析。
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广州神马移动信息科技有限公司,未经广州神马移动信息科技有限公司许可,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/201811071710.8/1.html,转载请声明来源钻瓜专利网。