[发明专利]一种短信文本模版的提取方法及相关装置

权利要求书

1.一种短信文本模版的提取方法，其特征在于，包括：

获取短信数据，对所述短信数据进行聚类，得到多个短信的分类集合；

在所述聚类过程中记录并处理每条短信的公共文本部分，得到每个所述分类集合对应的公共文本；

将所述分类集合中的每条所述短信与所述公共文本进行对比，得到每条所述短信的非公共文本部分；

将所有所述非公共文本部分进行处理，得到模版变量的取值规则，将所述公共文本和所述模版变量的所述取值规则作为模版。

2.根据权利要求1所述的提取方法，其特征在于，所述获取短信数据，对所述短信数据进行聚类，得到多个短信的分类集合，包括：

将所述短信的内容与内存中的所述分类集合的所述公共文本进行对比，得到多个匹配率；

判断所有所述匹配率是否低于预设匹配率；

若是，则将所述短信作为新的所述分类集合，并更新到所述内存中；

若否，则将所述短信加入到所述匹配率最高的所述分类集合中。

3.根据权利要求2所述的提取方法，其特征在于，所述获取短信数据，对所述短信数据进行聚类，得到多个短信的分类集合，还包括：

当所有所述分类集合的数量大于预设数量时，将已有的所有所述分类集合进行分组，得到多个集合组；

将每个所述集合组分配一个线程，所有所述线程进行聚类处理。

4.根据权利要求3所述的提取方法，其特征在于，所述将所有所述非公共文本部分进行处理，得到模版变量的取值规则，将所述公共文本和所述模版变量的所述取值规则作为模版，包括：

获取所有所述非公共文本部分的取值长度；

选择所述取值长度中的最短长度和最长长度，作为所述模版变量的取值长度范围；

将所述公共文本和所述模版变量的所述取值长度范围作为模版。

5.一种短信文本模版的提取装置，其特征在于，包括：

聚类处理模块，用于获取短信数据，对所述短信数据进行聚类，得到多个短信的分类集合；

公共文本获取模块，用于在所述聚类过程中记录并处理每条短信的公共文本部分，得到每个所述分类集合对应的公共文本；

非公共文本获取模块，用于将所述分类集合中的每条所述短信与所述公共文本进行对比，得到每条所述短信的非公共文本部分；

模版获取模块，用于将所有所述非公共文本部分进行处理，得到模版变量的取值规则，将所述公共文本和所述模版变量的所述取值规则作为模版。

6.根据权利要求5所述的提取装置，其特征在于，所述聚类处理模块，包括：

对比处理单元，用于将所述短信的内容与内存中的所述分类集合的所述公共文本进行对比，得到多个匹配率；

判断单元，用于判断所有所述匹配率是否低于预设匹配率；

新分类集合获取单元，用于将所述短信作为新的所述分类集合，并更新到所述内存中；

分类处理单元，用于将所述短信加入到所述匹配率最高的所述分类集合中。

7.根据权利要求6所述的提取装置，其特征在于，所述聚类处理模块，还包括：

分组处理单元，用于当所有所述分类集合的数量大于预设数量时，将已有的所有所述分类集合进行分组，得到多个集合组；

线程分配单元，用于将每个所述集合组分配一个线程，所有所述线程进行聚类处理。

8.根据权利要求7所述的提取装置，其特征在于，所述模版获取模块，包括：

取值长度获取单元，用于获取所有所述非公共文本部分的取值长度；

取值范围获取单元，用于选择所述取值长度中的最短长度和最长长度，作为所述模版变量的取值长度范围；

模版获取单元，用于将所述公共文本和所述模版变量的所述取值长度范围作为模版。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述短信文本模版的提取方法的步骤。

10.一种服务器，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一想所述短信文本模版的提取方法的步骤。