[发明专利]一种信息处理方法和装置

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取待处理文本信息，进行分词处理，以提取M个关键词；

输入M个关键词至已训练好的词向量模型中，得到M个词向量，以对M个词向量进行聚类生成N个近义词集合；

基于N个近义词集合，将所述待处理文本信息转换成N维向量，对所述N维向量进行聚类，以获得对待处理文本信息的分类结果。

2.根据权利要求1所述的方法，其特征在于，获取待处理文本信息，以进行分词处理，包括：

获取待处理文本信息，删除所述文本信息中存在的属于预设字符类型的内容，完成对待处理文本的预处理；

确定分词工具，对预处理后的文本信息进行分词处理。

3.根据权利要求1所述的方法，其特征在于，提取M个关键词，包括：

对每个分词通过tf-idf算法计算重要性数值，根据所述重要性数值从大到小对分词进行排序；

提取前M个分词，作为关键词。

4.根据权利要求1所述的方法，其特征在于，包括：

所述的词向量模型为word2vec模型；其中，输出词特征向量的维度为100，当前词和预测词之间的最大距离为4。

5.根据权利要求1所述的方法，其特征在于，对M个词向量进行聚类生成N个近义词集合，包括：

通过K均值聚类算法，对M个词向量聚合成N类，进而生成N个近义词集合。

6.根据权利要求1所述的方法，其特征在于，基于N个近义词集合，将所述待处理文本信息转换成N维向量，包括：

判断所述待处理文本信息中是否具有近义词集合N_i中至少一个关键词，若是则N维向量的第i个维度为1，若否则N维向量的第i个维度为0；重复前述过程，直至将所述待处理文本信息编码成N维向量。

7.根据权利要求1-6任一所述的方法，其特征在于，还包括：

基于密度的聚类算法，对所述N维向量进行聚类，以获得对待处理文本信息的分类结果；

通过计算余弦相似度，进而评估所述分类结果。

8.一种信息处理装置，其特征在于，

获取模块，用于获取待处理文本信息，进行分词处理，以提取M个关键词；

生成模块，用于输入M个关键词至已训练好的词向量模型中，得到M个词向量，以对M个词向量进行聚类生成N个近义词集合；

处理模块，用于基于N个近义词集合，将所述待处理文本信息转换成N维向量，对所述N维向量进行聚类，以获得对待处理文本信息的分类结果。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。