[发明专利]基于聚类算法的新知识点发现的处理方法及其装置、电子设备及存储介质

说明书

本发明涉及数据处理技术领域，尤其涉及一种基于聚类算法的新知识点发现的处理方法及其装置、电子设备及存储介质，包括如下步骤：步骤S1：获取问答系统中用户询问的第一知识点的文本表示和知识编号；步骤S2：将文本表示转换成向量；步骤S3：将向量与第一知识点一一对应；步骤S4：计算所有向量的向量空间余弦相似度；步骤S5：将向量划分类别；步骤S6：将不同类别的向量对应转换成第二知识点；步骤S7：对第二知识点进行主题分析及主题词展示。

【技术领域】

本发明涉及数据处理技术领域，尤其涉及一种基于聚类算法的新知识点发现的处理方法及其装置、电子设备及存储介质。

【背景技术】

目前的问答系统同昌是通过检索的方式找出与用户所提出的问题相似度最高的知识点，此方式所达到的效果较依赖于知识库的构建质量，使得对知识库的维护人员具有较高的认知要求，而且需要知识库的维护人员对相关的领域知识具备较为充分的了解。

因此，现有技术存在不足，需要改进。

【发明内容】

为克服上述的技术问题，本发明提供了一种基于聚类算法的新知识点发现的处理方法及其装置、电子设备及存储介质。

本发明解决技术问题的方案是提供一种基于聚类算法的新知识点发现的处理方法，包括如下步骤：

步骤S1：获取问答系统中用户询问的第一知识点的文本表示和知识编号；

步骤S2：将文本表示转换成向量；

步骤S3：将向量与第一知识点一一对应；

步骤S4：计算所有向量的向量空间余弦相似度；

步骤S5：将向量划分类别；

步骤S6：将不同类别的向量对应转换成第二知识点；

步骤S7：对第二知识点进行主题分析及主题词展示。

优选地，还包括如下步骤：步骤S8：对知识库进行优化。

优选地，在步骤S2中，根据文本语义相似度数据训练的深度神经网络预训练模型对文本表示进行转换。

优选地，在步骤S3中，将向量与知识编号相关联，并建立索引。

优选地，根据相似度阈值将位于相似度阈值内的向量聚集为同一类，位于相似度阈值外的向量为不同类别。

优选地，根据建立的索引将不同类别的向量转换成第二知识点。

本发明还提供一种处理装置，包括：

获取单元，用于获取问答系统中用户询问的第一知识点的文本表示和知识编号；

处理单元，用于将第一知识点进行处理、转换成第二知识点及进行分析；

显示单元：用于第二知识点进行主题词展示。

本发明还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行上述的基于聚类算法的新知识点发现的处理方法。

本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被设置为运行时执行上述的基于聚类算法的新知识点发现的处理方法。

相对于现有技术，通过对问答系统中的知识点自动聚类形成分类，辅助构建知识库，有利于提升问答效果，而且可自动发现新的知识点，有利于降低问答系统的知识库维护人员的认知要求，有利于降低其工作强度。

【附图说明】

图1是本发明基于聚类算法的新知识点发现的处理方法的具体流程示意图。

图2是本发明第二实施例的处理装置的模块示意图。