一种离散序列的聚类方法及装置制造方法及图纸

本发明专利技术实施例提供了一种离散序列的聚类方法及装置，涉及数据处理技术领域。该方法包括：获取对象集合，对象集合包括组成序列集合中的各个离散序列的对象，序列集合包括多个离散序列；获取第一聚类结果，第一聚类结果为对象集合中的对象的聚类结果，任一离散序列的第一特征向量为对该离散序列的对象属于第一聚类结果中的各个对象簇的数量进行处理得到的特征向量；根据第一聚类结果生成序列集合中的各个离散序列的第一特征向量；获取第二聚类结果，第二聚类结果为序列集合中的各个离散序列的第一特征向量的聚类结果；根据第二聚类结果输出序列集合中的离散序列的聚类结果。本发明专利技术实施例提供用于解决现有技术无法对离散序列进行聚类的问题。进行聚类的问题。进行聚类的问题。

【技术实现步骤摘要】
一种离散序列的聚类方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种离散序列的聚类方法及装置。

技术介绍

[0002]通常，聚类任务可以通过监督学习算法或无监督学习算法来执行。监督学习算法的聚类原理为：通过大量的带类别标签的历史数据训练聚类模型，并通过聚类模型对聚类任务中的对象进行分类，并将属于同一分类的对象聚合为一个簇。无监督学习算法主要是通过聚类算法来实现来对聚类任务中的对象进行聚类，聚类算法的聚类原理为：预先定义对象的描述特征，并将聚类任务中描述特征相似的对象聚合到同一个簇中，以实现对聚类任务中的对象进行聚类。
[0003]在工程应用上的实际场景里，有时需要执行以离散序列为单位进行聚类的聚类任务。然而，因为离散序列难以通过标签定义类别，所以此类聚类任务无法利用监督学习算法来执行。例如：对不同手机用户的操作序列的相似性进行评估时，需要以操作序列为单位进行聚类，但操作序列长度不定，对应的页面类型繁多，很难通过人工打标签的方式将问题转化成监督学习问题并通过监督学习算法来解决。又因为现有的聚类算法仅可以实现单个对象的聚类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种离散序列的聚类方法，其特征在于，包括：获取对象集合，所述对象集合包括组成序列集合中的各个离散序列的对象，所述序列集合包括多个离散序列；利用第一聚类算法获取第一聚类结果，所述第一聚类结果为所述对象集合中的对象的聚类结果；根据所述第一聚类结果生成所述序列集合中的各个离散序列的第一特征向量，任一离散序列的第一特征向量为对该离散序列的对象属于所述第一聚类结果中的各个对象簇的数量进行处理得到的特征向量；利用第二聚类算法获取第二聚类结果，所述第二聚类结果为所述序列集合中的各个离散序列的第一特征向量的聚类结果；根据所述第二聚类结果输出所述序列集合中的离散序列的聚类结果。2.根据权利要求1所述的方法，其特征在于，所述利用第一聚类算法获取第一聚类结果，包括：基于预选取对象特征生成所述对象集合中的各个对象的独热编码；利用所述第一聚类算法获取第三聚类结果，所述第三聚类结果为所述对象集合中的各个对象的独热编码的聚类结果；根据所述第三聚类结果，获取所述第一聚类结果。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一聚类结果生成所述序列集合中的各个离散序列的第一特征向量，包括：根据所述第一聚类结果获取所述序列集合中的各个离散序列的对象属于各个对象簇的数量；根据所述序列集合中的各个离散序列的对象属于的各个对象簇的数量，获取所述序列集合中的各个离散序列的第一特征向量。4.根据权利要求3所述的方法，其特征在于，所述根据所述序列集合中的各个离散序列的对象属于的各个对象簇的数量，获取所述序列集合中的各个离散序列的第一特征向量，包括：根据所述序列集合中的各个离散序列的对象属于的各个对象簇的数量，生成所述序列集合中的各个离散序列的第二特征向量；基于预设自然语言处理模型对所述序列集合中的各个离散序列的第二特征向量进行处理，获取所述序列集合中的各个离散序列的第一特征向量。5.根据权利要求4所述的方法，其特征在于，所述基于预设自然语言处理模型对所述序列集合中的各个离散序列的第二特征向量进行处理，获取所述序列集合中的各个离散序列的第一特征向量，包括：基于词袋模型对所述序列集合中的各个离散序列的第二特征向量进行处理，获取所述序列集合中的各个离散序列的第一特征向量。6.根据权利要求5所述的方法，其特征在于，所述基于词袋模型对所述序列集合中的各个离散序列的第二特征向量进行处理，获取所述序列集合中的各个离散序列的第一特征向量，包括：获取各个离散序列的第二特征向量中的各个元素的词频TF，任一元素的TF为该元素的
值与该元素对应的对象簇中包含的对象的总数量的比值；获取各个离散序列的第二特征向量中的各个元素的逆文本频率指数IDF...

【专利技术属性】
技术研发人员：杨睿智，丁光磊，张钊，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：