[发明专利]一种大规模语音数据的核心内容挖掘方法及设备

摘要

本发明提供了一种大规模语音数据的核心内容挖掘方法及设备，属于计算机技术领域。本发明实施例提供的大规模语音数据的核心内容挖掘方法及设备，可以将待处理语音数据集转换为对应的待处理文本数据集，然后通过文本聚类算法对与待处理文本数据集对应的待处理词语文本集进行文本聚类得到对应的至少一个类别，可以将该至少一个类别对应的主题确定为待处理语音数据集的核心内容，将待处理文本数据集中每一条待处理文本数据所属的类别的主题确定为该条待处理文本数据的核心内容，即，确定出每一条待处理语音数据的核心内容。实现了在零先验条件下对大规模语音数据核心内容的挖掘，提高了核心内容挖掘的效率以及准确率。

主权项

一种大规模语音数据的核心内容挖掘方法，其特征在于，所述方法包括：将大规模待处理语音数据集转换为对应的待处理文本数据集；对所述对应的待处理文本数据集进行预处理，得到所述待处理文本数据集对应的待处理词语文本集；通过文本聚类算法对所述待处理词语文本集进行文本聚类，得到对应的至少一个类别；将所述至少一个类别对应的主题确定为所述大规模待处理语音数据集的核心内容。