[发明专利]一种问句信息处理方法及装置

摘要

本发明公开了一种问句信息处理方法及装置，其中，该方法包括：获取语料数据，提取其中的问句信息；对问句信息进行预处理和分词处理，得到问句信息的特征词；获取特征词的词向量，并根据词向量构造问句信息的句向量；对问句信息进行至少一次的第一聚类处理，得到S个第一聚类集；分别对每个第一聚类集进行第二聚类处理，其中，第二聚类处理包括：分别获取第M个问句信息的句向量与已聚类的K个问句信息组的句向量平均值之间的最大相似度值，当最大相似度值大于或等于预设值时，将第M个问句信息聚类到最大相似度值对应的问句信息组中；当最大相似度值小于或等于预设值时，将第M个问句信息作为第K+1个问句信息组，K小于或等于M‑1。

主权项

1.一种问句信息处理方法，其特征在于，包括：获取语料数据，提取其中的问句信息；对所述问句信息进行预处理和分词处理，得到所述问句信息的特征词；获取所述特征词的词向量，并根据所述词向量构造所述问句信息的句向量；对所述问句信息进行至少一次的第一聚类处理，以得到S个第一聚类集，所述S为预设的正整数；第一聚类处理的方法为：获取第N个问句信息的句向量与已聚类的P个问句信息组的句向量平均值之间的最大相似度值，将第N个问句信息聚类到所述最大相似度值对应的问句信息组中；其中，所述P小于等于所述第一聚类数量，P数值是自动聚类的结果；分别对每个所述第一聚类集进行第二聚类处理，其中，所述第二聚类处理包括：分别获取第M个问句信息的句向量与已聚类的K个问句信息组的句向量平均值之间的最大相似度值，当所述最大相似度值大于或等于预设值时，将第M个问句信息聚类到所述最大相似度值对应的问句信息组中；当所述最大相似度值小于或等于预设值时，将第M个问句信息作为第K+1个问句信息组，所述K小于或等于M‑1；所述方法还包括：将第二聚类处理聚类后的所述问句信息作为扩展问设置在不同平台上，分别为每个问句信息组设置一个标准问以及答案，形成一个知识点；对所述问句信息进行至少一次的第一聚类处理，以得到S个第一聚类集包括：对所述问句信息进行一次第三聚类处理，得到S个第三聚类集；判断S个第三聚类集中包括的所述问句信息的数量是否均在预设范围内；当是时，则将所述S个第三聚类集作为所述S个第一聚类集；否则，对所述问句信息的数量超过预设范围的所述第三聚类集进行第四聚类处理，以得到多个第四聚类集，并进行调整处理以将部分数目的第四聚类集移动至所述问句信息的数量小于预设范围的第三聚类集中，不断重复第四聚类处理以及调整处理，直至每个第三聚类集中包括的所述问句信息的数量均在预设范围内，最后将S个新的第三聚类集作为所述S个第一聚类集；在第一聚类处理后或第二聚类处理后，所述方法还包括：计算所述聚类处理的准确率，如果所述准确率小于预定准确率阈值，则对已聚类的问句信息进行合并和/或拆分、调整所述预设值、或者调整分词词典；对所述问句信息进行一次的第一聚类处理，第一聚类处理采用以下一种或多种的组合：kmeans算法、谱聚类算法和基于密度的聚类算法；第三聚类处理采用以下一种或多种的组合：kmeans算法、谱聚类算法和基于密度的聚类算法。