[发明专利]内容名称数据处理方法及终端设备

权利要求书

1.一种内容名称数据处理方法，其特征在于，包括：

获取待处理内容名称数据，根据预设的查询词典将所述待处理内容名称数据转换为初始矩阵向量；其中，所述待处理内容名称数据中包括M个字符，所述预设的查询词典中包括每个字符所对应的表示方式，所述表示方式为1*N维的向量；

对所述初始矩阵向量进行特征提取，得到第一数量的初始特征向量；

分别对各个初始特征向量进行降维，得到所述第一数量的目标特征向量；

对所述第一数量的目标特征向量进行线性组合，得到目标码值；

其中，所述根据预设的查询词典将所述待处理内容名称数据转换为初始矩阵向量，包括：

将所述待处理内容名称数据中的每个字符与所述预设的查询词典中的字符进行匹配，得到M个字符的表示方式；

将所述M个字符的表示方式进行组合，得到M*N维的初始矩阵向量；

所述对所述初始矩阵向量进行特征提取，得到第一数量的初始特征向量，包括：

将所述M*N维的初始矩阵向量与第一数量的k*k维的卷积核进行卷积运算，得到所述第一数量的（M-k+1）*（N-k+1）维的初始特征向量；

其中，所述将所述M*N维的初始矩阵向量与第一数量的k*k维的卷积核进行卷积运算，得到所述第一数量的（M-k+1）*（N-k+1）维的初始特征向量，包括：

根据所述卷积运算中所述卷积核的大小，对所述M*N维的初始矩阵向量进行扩充，得到扩充后的初始矩阵向量，对扩充后的初始矩阵向量进行卷积运算，得到所述第一数量的（M-k+1）*（N-k+1）维的初始特征向量；

所述分别对各个初始特征向量进行降维，得到所述第一数量的目标特征向量，包括：

分别对各个初始特征向量进行池化运算，得到所述第一数量的目标特征向量；所述目标特征向量的计算公式如下：

P（r，s）=max_p{S（M-k+1，N-k+1）}；其中，S表示初始特征向量，M-k+1和N-k+1表示初始特征向量的维数，P表示目标特征向量，p表示池化区域大小，max表示池化运算，r和s表示目标特征向量的维数；

所述线性组合用于分析不同的目标特征向量在语义信息表达中的比重，并区分各个目标特征向量的重要性，将各个目标特征向量整合，得到目标码值，以保留所述内容名称数据的语义信息；

在所述分别对各个初始特征向量进行降维，得到所述第一数量的目标特征向量之后，所述内容名称数据处理方法还包括：

对所述第一数量的目标特征向量进行筛选，去除相同的目标特征向量，得到第二数量的目标特征向量；

相应的，所述对所述第一数量的目标特征向量进行线性组合，得到目标码值，包括：

对所述第二数量的目标特征向量进行线性组合，得到所述目标码值。

2.如权利要求1所述的内容名称数据处理方法，其特征在于，所述池化运算中池化窗口的大小为2*2。