[发明专利]文本聚类方法、装置及可读存储介质

说明书

本发明实施例公开了一种文本聚类方法、装置及可读存储介质，该文本聚类方法包括：获取至少一个文本语料；对该至少一个文本语料中每个文本语料进行向量化处理，以得到至少一个文本语料对应的至少一个文本向量；对该至少一个文本向量进行相似度计算，以得到至少一个文本向量对应的文本相似度矩阵；切分该文本相似度矩阵得到K个文本相似度块，并根据该K个文本相似度块，得到N个文本类簇，该K个文本相似度块中每个文本相似度块包括的相似度均大于或等于相似度阈值，且该相似度的数量大于或等于切分数量阈值，其中，K为大于或等于1的整数，N为小于或等于K的正整数。采用这样的文本聚类方法，可以提升聚类速度和聚类结果的准确性。

技术领域

本发明涉及自然语言处理应用领域，尤其涉及一种文本聚类方法、装置、服务器及可读存储介质。

背景技术

智能客服机器人在功能上主要表现为智能问答、引导客户自助服务等，通常能快速解决大部分客户的问题，提高客服接待效率和提升客户满意度。文本作为信息数据的主要信息载体之一，在智能客服机器人系统中发挥着重要作用。

为了能让智能客服机器人根据客户问题匹配出最佳的回答，需要对大量的客户问题进行文本信息聚类。但是，由于文本聚类算法的空间复杂度较高且文本信息数据存在类间距不均的情况，造成在进行文本信息聚类时文本聚类速度慢、聚类效率较低以及聚类结果准确性较低的问题。

可见，如何在进行文本聚类任务时，提升聚类速度和聚类结果的准确性是一个亟待解决的问题。

发明内容

本发明实施例提供了一种文本聚类方法、装置、服务器及可读存储介质，采用这样的文本聚类方法，可以在进行文本聚类任务时提升聚类速度和聚类结果的准确性。

第一方面，本发明实施例提供了一种文本聚类方法，所述方法包括：

获取至少一个文本语料；

对所述至少一个文本语料中每个文本语料进行向量化处理，以得到所述至少一个文本语料对应的至少一个文本向量；

对所述至少一个文本向量进行相似度计算，以得到所述至少一个文本向量对应的文本相似度矩阵；

切分所述文本相似度矩阵得到K个文本相似度块，并根据所述K个文本相似度块，得到N个文本类簇，所述K个文本相似度块中每个文本相似度块包括的相似度均大于或等于相似度阈值，且所述相似度的数量大于或等于切分数量阈值，所述K为大于或等于1的整数，所述N为小于或等于所述K的正整数。

第二方面，本发明实施例提供了一种文本聚类装置，所述装置包括：

获取模块，用于获取至少一个文本语料；

处理模块，用于对所述至少一个文本语料中每个文本语料进行向量化处理，以得到所述至少一个文本语料对应的至少一个文本向量；

所述处理模块，还用于对所述至少一个文本向量进行相似度计算，以得到所述至少一个文本向量对应的文本相似度矩阵；

所述处理模块，还用于切分所述文本相似度矩阵得到K个文本相似度块，并根据所述K个文本相似度块，得到N个文本类簇，所述K个文本相似度块中每个文本相似度块包括的相似度均大于或等于相似度阈值，且所述相似度的数量大于或等于切分数量阈值，所述K为大于或等于1的整数，所述N为小于或等于所述K的正整数。

第三方面，本发明实施例提供了一种服务器，所述服务器包括输入设备和输出设备，所述服务器还包括处理器，适于实现一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行上述第一方面所述的文本聚类方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的文本聚类方法。