文本主题的分类提取方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种文本主题的分类提取方法、装置、电子设备及存储介质。其中，所述文本主题的分类提取方法包括获取多个转译文本，确定每个所述转译文本的文本向量，以得到文本向量集合；确定目标超参，基于所述目标超参，通过k均值聚类算法对输入的所述文本向量集合进行聚类，得到至少一个文本类别集合；针对每个所述文本类别集合，基于聚焦度和精炼度确定目标文本，根据所述目标文本确定所述文本类别集合的文本主题，其中，所述聚焦度和所述精炼度与所述转译文本的分词数量相关联。基于本发明专利技术实施例的技术方案，能够在提高对文本类别集合聚类的精准性基础上，提高针对每个文本类别集合所确定的文本主题的准确性。所确定的文本主题的准确性。所确定的文本主题的准确性。

【技术实现步骤摘要】
文本主题的分类提取方法、装置、电子设备及存储介质


[0001]本专利技术涉及计算机应用
，尤其涉及一种文本主题的分类提取方法、装置、电子设备及存储介质。

技术介绍

[0002]对于银行而言，客服系统是客户进行信息反馈的重要渠道之一，其产生的海量客服通话录音可以通过语音识别技术生成转译文本。转译文本中蕴含着大量有价值的信息，对服务质量监控、用户需求挖掘和产品改进有着重要的意义，常见的，对海量转译文本的进行主题提取，以确定转译文本的应用方向。
[0003]目前，运营部门对转译文本的挖掘和分析主要依赖人工处理，但由于大部分通话录音是在的复杂噪声的环境下录制的，以至于语音识别率难以保证，转译文本的准确度不高；并且由于口语表达灵活多变，省略、重复以及语序颠倒等现象较为严重，以至于转译文本具有文本短和表达不规范等特点，因此，依赖人工对海量转译文本的进行主题提取的方式，存在所提取的文本主题准确性较低的技术问题。

技术实现思路

[0004]本专利技术提供了一种文本主题的分类提取方法、装置、电子设备及存储介质，以解决所提取的文本主题准确性较低的技术问题。
[0005]根据本专利技术的一方面，提供了一种文本主题的分类提取方法，其中，该方法包括：
[0006]获取多个转译文本，确定每个所述转译文本的文本向量，以得到文本向量集合；
[0007]确定目标超参，基于所述目标超参，通过k均值聚类算法对输入的所述文本向量集合进行聚类，得到至少一个文本类别集合，其中，每个所述文本类别集合包括至少一个所述文本向量；
[0008]针对每个所述文本类别集合，基于聚焦度和精炼度确定目标文本，根据所述目标文本确定所述文本类别集合的文本主题，其中，所述聚焦度和所述精炼度与所述转译文本的分词数量相关联。
[0009]根据本专利技术的另一方面，提供了一种文本主题的分类提取装置，其中，该装置包括：
[0010]文本向量确定模块，用于获取多个转译文本，确定每个所述转译文本的文本向量，以得到文本向量集合；
[0011]文本向量聚类模块，用于确定目标超参，基于所述目标超参，通过k均值聚类算法对输入的所述文本向量集合进行聚类，得到至少一个文本类别集合，其中，每个所述文本类别集合包括至少一个所述文本向量；
[0012]文本主题提取模块，用于针对每个所述文本类别集合，基于聚焦度和精炼度确定目标文本，根据所述目标文本确定所述文本类别集合的文本主题，其中，所述聚焦度和所述精炼度与所述转译文本的分词数量相关联。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的文本主题的分类提取方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的文本主题的分类提取方法。
[0018]本专利技术实施例的技术方案，通过获取多个转译文本，确定每个所述转译文本的文本向量，以得到文本向量集合；确定目标超参，基于所述目标超参，通过k均值聚类算法对输入的所述文本向量集合进行聚类，得到至少一个文本类别集合，其中，每个所述文本类别集合包括至少一个所述文本向量，基于所确定的目标超参对文本向量集合进行聚类，可以使所确定的文本类别集合更加精确；针对每个所述文本类别集合，基于聚焦度和精炼度确定目标文本，根据所述目标文本确定所述文本类别集合的文本主题，其中，所述聚焦度和所述精炼度与所述转译文本的分词数量相关联，同时基于聚焦度和精炼度确定目标文本，以得到文本类别集合的文本主题，可以使所确定的文本主题更加准确。基于本专利技术实施例的技术方案，在提高了对文本类别集合聚类的精准性基础上，提高了针对每个文本类别集合所确定的文本主题的准确性。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是根据本专利技术实施例一提供的一种文本主题的分类提取方法的流程图；
[0022]图2是根据本专利技术实施例二提供的一种文本主题的分类提取方法的流程图；
[0023]图3是根据本专利技术实施例提供的一种确定文本类别集合的整体流程图；
[0024]图4是根据本专利技术实施例三提供的一种文本主题的分类提取方法的流程图；
[0025]图5是根据本专利技术实施例四提供的一种文本主题的分类提取装置的结构示意图；
[0026]图6是实现本专利技术实施例的文本主题的分类提取方法的电子设备的结构示意图。
具体实施方式
[0027]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范
围。
[0028]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0029]实施例一
[0030]图1为本专利技术实施例一提供了一种文本主题的分类提取方法的流程图，本实施例可适用于主题提取的情况，该方法可以由文本主题的分类提取装置来执行，该文本主题的分类提取装置可以采用硬件和/或软件的形式实现，该文本主题的分类提取装置可配置于计算机软件中。如图1所示，该方法包括：
[0031]S110、获取多个转译文本，确定每个所述转译文本的文本向量，以得到文本向量集合。
[0032]其中，所述转译文本可以理解为通过语音识别技术自动生成的录音文件对应的文本。
[0033]所述文本向量可以理解为对所述转译文本进行处理后所得到的向量。在本专利技术实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文本主题的分类提取方法，其特征在于，包括：获取多个转译文本，确定每个所述转译文本的文本向量，以得到文本向量集合；确定目标超参，基于所述目标超参，通过k均值聚类算法对输入的所述文本向量集合进行聚类，得到至少一个文本类别集合，其中，每个所述文本类别集合包括至少一个所述文本向量；针对每个所述文本类别集合，基于聚焦度和精炼度确定目标文本，根据所述目标文本确定所述文本类别集合的文本主题，其中，所述聚焦度和所述精炼度与所述转译文本的分词数量相关联。2.根据权利要求1所述的方法，其特征在于，所述确定每个所述转译文本的文本向量，包括：针对每个所述转译文本，对所述转译文本进行预处理，得到所述转译文本对应的分词表，其中，所述预处理包括分词和数据清洗；确定所述分词表对应的原始词向量集合，基于所述原始词向量集合对所述转译文本进行特征提取得到文本向量。3.根据权利要求2所述的方法，其特征在于，所述基于所述原始词向量集合对所述转译文本进行特征提取得到文本向量，包括：针对每个所述转译文本，确定主要意图句段，基于所述原始词向量集合和所述主要意图句段得到意图词向量集合；确定所述意图词向量集合中每个词向量的权重，并基于所述权重确定预设数量的关键词向量，以得到关键词向量集合；基于所述关键词向量集合确定所述转译文本对应的所述文本向量。4.根据权利要求1所述的方法，其特征在于，所述确定目标超参，基于所述目标超参，通过k均值聚类算法对输入的所述文本向量集合进行聚类，得到至少一个文本类别集合，包括：获取初始超参，基于所述初始超参和所述文本向量集合确定所述初始超参对应的初始轮廓系数；根据所述初始轮廓系数确定所述目标超参，并基于所述目标超参得到所述文本类别集合。5.根据权利要求4所述的方法，其特征在于，所述基于所述初始超参和所述文本向量集合确定所述初始超参对应的初始轮廓系数，包括：基于所述文本向量集合确定随机样本向量，并将所述随机样本向量作为初始聚类中心；针对所述文本向量集合，确定每个所述文本向量与所述初始聚类中心的最短距离，基于所述最短距离确定每个所述文本向量作为下一个聚类中心的概率，并根据所述概率得到下一个聚类中心，以得到初始聚类中心集合；根据所述初始聚类中心集合和所述文本向量集合确定所述初始超参对应的初始类别集合，并确定所述初始类别集合对应的初始轮廓系数...

【专利技术属性】
技术研发人员：王会，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：