[发明专利]基于非文本场景的文本聚类方法、装置、设备及存储介质

权利要求书

1.一种基于非文本场景的文本聚类方法，其特征在于，所述基于非文本场景的文本聚类方法包括：

获取非文本场景下的待分类信息，并按照所述待分类信息内在的逻辑关系将所述待分类信息进行序列化，得到由若干待分类元素组成的待分类元素序列；

将所述待分类元素序列中的各所述待分类元素进行向量化，以将所述待分类元素序列转化为由若干词向量组成的待分类向量序列；

利用预设的聚类算法对所述待分类向量序列进行聚类，以将若干所述词向量划分为若干所属不同类别的向量集合。

2.如权利要求1所述的基于非文本场景的文本聚类方法，其特征在于，所述上下文逻辑关系包括时间顺序，

所述获取非文本场景下的待分类信息，并按照所述待分类信息内在的逻辑关系将所述待分类信息进行序列化，得到由若干待分类元素组成的待分类元素序列的步骤包括：

接收分类指令，并基于所述分类指令获取非文本场景下的多个待分类单词以及各所述待分类单词对应的时间信息，以作为所述待分类信息；

按照基于所述时间信息所确定的时间顺序对多个所述待分类单词进行排序，并将各排序后的待分类单词作为各所述待分类元素，以组成所述待分类元素序列。

3.如权利要求2所述的基于非文本场景的文本聚类方法，其特征在于，所述将各排序后的待分类单词作为各所述待分类元素，以组成所述待分类元素序列的步骤包括：

将各排序后的待分类单词作为各所述待分类元素，得到初始元素序列；

结合所述非文本场景与所述初始元素序列确定间隔时长阈值，并获取每相邻的两个所述待分类元素之间的间隔时长；

基于所述间隔时长阈值与所述间隔时长确定出所述初始元素序列中的无效待分类元素，将所述无效待分类元素从所述初始元素序列中删除，以形成所述待分类元素序列。

4.如权利要求3所述的基于非文本场景的文本聚类方法，其特征在于，所述基于所述间隔时长阈值与所述间隔时长确定出所述初始元素序列中的无效待分类元素，将所述无效待分类元素从所述初始元素序列中删除，以形成所述待分类元素序列的步骤包括：

逐一判断每一所述间隔时长是否超出所述间隔时长阈值；

若是，则将所述间隔时长对应的相邻两个所述待分类元素中的前一待分类元素从所述初始元素序列中删除；

直至遍历全部所述间隔时长，得到所述待分类元素序列。

5.如权利要求1所述的基于非文本场景的文本聚类方法，其特征在于，所述聚类算法包括K均值聚类算法，

所述利用预设的聚类算法对所述待分类向量序列进行聚类，以将若干所述词向量划分为若干所属不同类别的向量集合的步骤包括：

基于K均值聚类算法，将所述待分类向量序列中预设数量的词向量作为初始聚类中心；

按照最短距离原则将所述待分类向量序列中除去所述初始聚类中心之外的词向量逐一分配至一所述初始聚类中心，直至分配完毕以生成预设数量的初始向量集合；

计算各所述初始向量集合的均值向量，将各所述均值向量作为各新聚类中心以继续分配过程；

直至检测到各所述新聚类中心满足预设终止条件时，将各所述新聚类中心作为各目标聚类中心，以将每一所述目标聚类中心以及对应分配的词向量作为一所述向量集合。

6.如权利要求1所述的基于非文本场景的文本聚类方法，其特征在于，所述利用预设的聚类算法对所述待分类向量序列进行聚类，以将若干所述词向量划分为若干所属不同类别的向量集合的步骤之后，还包括：

将每一所述向量集合划分为类别含义明确的第一向量子集以及类别含义不明的第二向量子集；

获取每一所述第一向量子集的类别含义，将所述类别含义作为同一所述向量集合中所述第一向量子集与所述第二向量子集共有的所属类别并输出。

7.如权利要求1-6中任一所述的基于非文本场景的文本聚类方法，其特征在于，所述将所述待分类元素序列中的各所述待分类元素进行向量化，以将所述待分类元素序列转化为由若干词向量组成的待分类向量序列的步骤包括：

将所述待分类元素序列作为Word2vec的输入，以利用Word2vec将各所述待分类元素转化为词向量，得到所述待分类向量序列。