信息处理方法、装置和电子设备制造方法及图纸

本公开实施例公开了信息处理方法、装置和电子设备。该方法的一具体实施方式包括：将至少两个待聚类问题导入聚类模型，得到至少一个目标类簇中心，其中，目标类簇中心指示类簇；基于所述至少一个目标类簇中心，将所述至少两个待聚类问题确定为至少一个类簇。由此，提供了一种新的问题聚类方式。一种新的问题聚类方式。一种新的问题聚类方式。

【技术实现步骤摘要】
信息处理方法、装置和电子设备


[0001]本公开涉及互联网
，尤其涉及一种信息处理方法、装置和电子设备。

技术介绍

[0002]随着互联网的发展，用户越来越多的使用终端设备浏览各类信息。用户在浏览各种信息的时候，可能会提出各种问题。智能客服技术的发展，可以机器自动回复用户的提问成为现实。
[0003]在智能客服场景下，高频问答(FAQ)是一项重要的基础能力，其依赖于后台的标准问答库。问答库中内容的来源包括线下人工规划以及线上高频问题的收集，后者的添加可以大大丰富标准问答库，提升FAQ覆盖率。线上高频问题往往来源于对线上问题进行数据分析得到。因此，对于线上问题的分析处理能力至关重要。

技术实现思路

[0004]提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面，本公开实施例提供了一种信息处理方法，该方法包括：将至少两个待聚类问题导入聚类模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，其特征在于，包括：将至少两个待聚类问题导入聚类模型，得到至少一个目标类簇中心，其中，目标类簇中心指示类簇；基于所述至少一个目标类簇中心，将所述至少两个待聚类问题确定为至少一个类簇。2.根据权利要求1所述的方法，其特征在于，所述聚类模型包括特征提取子模型，所述特征提取子模型用于生成待聚类问题对应的特征向量，特征向量用于聚类以确定目标类簇中心。3.根据权利要求2所述的方法，其特征在于，所述特征提取子模型基于预先训练的分类模型的特征提取层得到。4.根据权利要求3所述的方法，其特征在于，所述分类模型通过第一步骤得到，其中，所述第一步骤包括：获取训练样本，其中，训练样本的标签指示文本内容类型；基于所述训练样本和对应的标签，对待训练分类网络进行训练，得到所述分类模型，其中，所述待训练分类网络包括待训练特征提取层和分类层，分类模型中的特征提取层通过对待训练特征提取层进行训练得到。5.根据权利要求4所述的方法，其特征在于，所述基于所述训练样本和对应的标签，对待训练分类网络进行训练，得到所述分类模型，包括：将至少两个训练样本导入待训练分类网络，得到所述至少两个训练样本对应的预测类型，其中，所述至少两个训练样本的标签各不相同；根据各个训练样本的预测类型和标签，确定各个训练样本的单个样本损失值；根据所确定的单个样本损失值，确定样本总损失值；基于所述样本总损失值，调整所述待训练分类网络的参数。6.根据权利要求1－5中任一项所述的方法，其特征在于，所述将至少两个待聚类问题导入聚类模型，得到至少一个目标类簇中心，包括：将待聚类问题导入所述特征提取子模型，得到第一特征向量；基于反向传播算法和第一特征向量，更新初始类簇中心，得到所述至少一个目标类簇中心。7.根据权利要求6所述的方法，其特征在于，所述初始类簇中心通过采用均值聚类算法对第一特征向量进行聚类得到。8.根据权利要求6所述的方法，其特征在于，所述基于反向传播算法和第一特征向量，更新初始类簇中心，得到所述至少一个目标类簇中心，包括：将初始类簇中心确定为第一候选类簇中心；基于第一候选类簇中心，执行以下第一迭代步骤：基于第一候选类簇中心和第一特征向量，确定待聚类问题属于各个第一候选类簇中心的第一概率值；对各个第一概率值进行强化处理，得到第一强化值；根据第一强化值和第一概率值，生成第一损失值；响应于确定第一停...

【专利技术属性】
技术研发人员：吴培昊，谭言信，雷孝钧，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：