[发明专利]一种分类标签更新方法及系统

权利要求书

1.一种分类标签更新方法，其特征在于，该方法包括：

S100，获取用户指定的L个待匹配的分类标签{D¹,D²,…,Dⁱ,…,D^L}，其中，Dⁱ为第i个待匹配的分类标签，i的取值范围为1到L，L为待匹配的分类标签的数量；所述Dⁱ包括N个文本条目；Dⁱ具有J个关键词词向量{Dⁱ₁,Dⁱ₂,…,Dⁱ_j,…,Dⁱ_J}，其中，Dⁱ_j为Dⁱ中的第j个关键词词向量，j的取值范围为1到J,J为Dⁱ中关键词词向量的数量；

S200，获取用户指定的第m个待更新的分类标签中的第q个文本条目U^m_q，获取U^m_q的R个词向量集合V^m_q={V^m_q1,V^m_q2,…,V^m_qr…,V^m_qR}，其中，V^m_qr为V^m_q中的第r个词向量，V^m_qr与Dⁱ_j的向量维度相同，R为V^m_q中词向量的数量；

S300，计算V^m_q分别与每个待匹配的分类标签中所有关键词词向量之间的综合相似度SIM={SIM₁,SIM₂,…,SIM_i,…,SIM_L}，其中，SIM_i为V^m_q与Dⁱ之间的综合相似度，SIM_i为V^m_q中R个词向量与Dⁱ中J个关键词词向量之间的向量相似度的加权求和；

S400，获取SIM中的最大值，在最大值大于相似度阈值时，将第m个待更新的分类标签中第q个文本条目的分类标签更新为最大值对应的分类标签。

2.根据权利要求1所述的更新方法，其特征在于，所述S100包括：

S110，根据第i个待匹配的分类标签Dⁱ索引所有的相应文本条目，得到待匹配的N个文本条目集合Wⁱ={Wⁱ₁,Wⁱ₂,…,Wⁱ_N}，其中N为Wⁱ中文本条目的数量；

S120，对Wⁱ进行分词得到X个词，对X个词中的常用词、数字和标点进行过滤得到M个词；将M个词分别转为词向量得到M个词向量集合Vⁱ={Vⁱ₁,Vⁱ₂,…,Vⁱ_M}，其中M为Vⁱ中词向量的数量；

S130，对Vⁱ进行聚类得到Y个簇，提取Y个簇中的词向量，得到Dⁱ的J个关键词词向量{Dⁱ₁,Dⁱ₂,…,Dⁱ_j,…,Dⁱ_J}。

3.根据权利要求2所述的更新方法，其特征在于，S130中的聚类采用K-means聚类算法。