[发明专利]文本聚类方法、装置及计算机设备

说明书

本说明书实施例提供一种文本聚类方法、装置及计算机设备。在进行文本聚类时，从文本中提取出字符片段作为文本的特征，并基于提取的字符片段在文本出现的次数构建文本的特征矩阵，然后基于构建的特征矩阵对文本进行聚类。由于直接在字符粒度提取文本特征，不需要进行分词，非常适合新产生的客服问题句子，一定程度解决了新词语、新句式多造成传统的分词准确度低的难题，可以避免误分词影响文本聚类的准确性。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种文本聚类方法、装置及计算机设备。

背景技术

很多场景都需要对文本进行聚类处理，比如，在客服机器人自动问答的场景，会不断出现新的问题，导致机器人无法解答，可以收集这些新问题并且对问题进行聚类处理后，放进新的标准问句库中，可以有效提高客服机器人对新问题的解答率。很明显，对客服问题聚类的准确程度，很大程度影响客服机器人回答问题的准确度。为了能够提高各个应用场景中的文本聚类的准确度，有必要对文本聚类方法加以改进。

发明内容

基于此，本说明书提供了一种文本聚类方法、装置及计算机设备。

根据本说明书实施例的第一方面，提供一种文本聚类方法，所述方法包括：

分别从待聚类的多个文本中提取字符片段，其中，各个字符片段包括所述文本连续的若干个字符；

基于所述文本以及所述文本中各个字符片段出现的次数构建所述文本的特征矩阵；

基于所述特征矩阵和预先训练的聚类模型对所述文本进行聚类。

根据本说明书实施例的第二方面，提供一种文本聚类装置，所述装置包括：

提取模块，用于分别从待聚类的多个文本中提取字符片段，其中，各个字符片段包括所述文本连续的若干个字符；

构建模块，用于基于所述文本以及所述文本中各个字符片段出现的次数构建所述文本的特征矩阵；

聚类模块，用于基于所述特征矩阵以及预先训练的聚类模型对所述文本进行聚类。

根据本说明书实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一实施例所述的方法。

应用本说明书实施例方案，在进行文本聚类时，无需对文本进行分词处理，而是直接以字符粒度从文本中提取出字符片段作为文本的特征，并基于提取的各字符片段在个文本中出现的次数构建文本的特征矩阵，然后基于构建的特征矩阵对文本进行聚类。由于直接在字符粒度提取文本特征，不需要进行分词，非常适合新产生的客服问题句子，一定程度解决了新词语、新句式多造成传统的分词准确度低的难题，可以避免误分词影响文本聚类的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。

图1是本说明书一个实施例的一种文本聚类方法流程图。

图2是本说明书一个实施例的从文本中提取字符片段的提取方法示意图。

图3是本说明书一个实施例的一种文本聚类方法流程图。

图4是本说明书一个实施例的一种文本聚类装置的逻辑结构示意图。

图5是本说明书一个实施例的用于实施本说明书方法的计算机设备的结构示意图。

具体实施方式