[发明专利]实体聚类的方法及装置

权利要求书

1.一种实体聚类的方法，包括：

根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词；

从每个待聚类实体距离最近的K个实体中分别确定每个待聚类实体的相关实体，K为预定的正整数；

根据每个待聚类实体及其相关实体为所有待聚类实体标记标识。

2.根据权利要求1所述的方法，其特征在于，所述根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词，包括：

将全部待聚类实体的词向量数据分别在Faiss中建立索引，并根据建立的索引查询每个待聚类实体距离最近的K个实体。

3.根据权利要求2所述的方法，其特征在于，所述从每个待聚类实体距离最近的K个实体中确定每个待聚类实体的相关实体，包括：

对于每个待聚类实体，分别进行如下操作：遍历该待聚类实体距离最近的K个实体，从中选取距离小于预设距离阈值的实体作为该待聚类实体的相关实体。

4.根据权利要求1所述的方法，其特征在于，所述根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词，包括：

根据全部待聚类实体的词向量数据，利用相似度算法分别计算每个待聚类实体的相似度，确定每个待聚类实体相似度最近的K个实体。

5.根据权利要求4所述的方法，其特征在于，所述从每个待聚类实体距离最近的K个实体中确定每个待聚类实体的相关实体，包括：

对于每个待聚类实体，分别进行如下操作：遍历该待聚类实体相似度最近的K个实体，从中选取相似度大于预设相似度阈值的实体作为该待聚类实体的相关实体。

6.根据权利要求1所述的方法，其特征在于，所述根据每个待聚类实体及其相关实体为所有待聚类实体标记标识，包括：

遍历所有待聚类实体，为每个遍历到的待聚类实体及其相关实体依次执行如下操作：

如果该待聚类实体及其相关实体均没有类标号，当该待聚类实体为第一个遍历的实体时，赋予该该待聚类实体及其相关实体初始标识，如果该待聚类实体为不是第一个遍历的实体时，则赋予该待聚类实体及其相关实体一个递增的标识；

如果该待聚类实体已经标记了标识，则为该待聚类实体的相关实体标记相同的标识；

如果该待聚类实体没有标记标识但是该待聚类实体的相关实体已经标记了标识，则为该待聚类实体标记相同的标识。

7.根据权利要求1所述的方法，其特征在于，在根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词之前，该方法还包括：

确定全部待聚类实体各自的词向量数据。

8.一种实体聚类的装置，其特征在于，包括：

第一确定单元，用于根据全部待聚类实体的词向量数据，分别确定每个待聚类实体距离最近的K个实体词，K为预定的正整数；

第二确定单元，用于从每个待聚类实体距离最近的K个实体中分别确定每个待聚类实体的相关实体；

标记单元，用于根据每个待聚类实体及其相关实体为所有待聚类实体标记标识。

9.一种电子装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述实体聚类的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息处理程序，所述信息处理程序被处理器执行时实现如权利要求1至7中任一项所述实体聚类的方法的步骤。