[发明专利]一种异常文本确定方法、装置、电子设备和介质

说明书

本申请实施例公开了一种异常文本确定方法、装置、电子设备和介质，涉及人工智能技术领域。具体实现方案为：根据文本簇中除上次异常文本之外的其他文本，确定本次簇中心特征；根据所述文本簇中所有文本与所述本次簇中心特征之间的距离，从所述所有文本中选择本次异常文本；根据所述本次异常文本，确定所述文本簇中的目标异常文本。通过本申请实施例的技术方案，能够自动滤除文本簇中异常文本，使得分类更为准确，进而提升了用户体验。

技术领域

本申请涉及计算机技术，具体涉及人工智能技术，尤其涉及一种异常文本确定方法、装置、电子设备和介质。

背景技术

随着大数据时代的不断发展，舆情信息的获取量越来越大，将数以万计的信息进行准确分类成为了至关重要的一项，经过文档分类，用户可以快速的找到想要了解的信息，如在舆情方向，用户可以自定义自己需要了解的方向，进而可以只将用户需要的文档推送给用户。而当前由于数据采集过程中会出现很多的垃圾信息如广告，所以导致了很多垃圾文档被误分到了各个类别中，这也直接影响了用户的使用体验。

发明内容

本申请实施例提供一种异常文本确定方法、装置、电子设备和介质，能够自动滤除文本簇中异常文本，使得分类更为准确，进而提升了用户体验。

第一方面，本申请实施例公开了一种异常文本确定方法，该方法包括：

根据文本簇中除上次异常文本之外的其他文本，确定本次簇中心特征；

根据所述文本簇中所有文本与所述本次簇中心特征之间的距离，从所述所有文本中选择本次异常文本；

根据所述本次异常文本，确定所述文本簇中的目标异常文本。

上述申请中的一个实施例具有如下优点或有益效果：通过采用循环迭代方式，根据文本簇中除上次异常文本之外的其他文本确定本次簇中心特征，之后可以计算文本簇中每一文本与本次簇中心特征之间的距离，并根据文本簇中每一文本与本次簇中心特征之间的距离从所有文本中选择本次异常文本，进而根据本次异常文本可以确定文本簇中的目标异常文本即不相关文本，解决了目前推荐给用户的文本簇中存在异常文本导致用户体验差的问题，实现了自动滤除文本簇中异常文本的功能，使得分类更为准确，进而提升了用户体验。

可选的，根据所述本次异常文本，确定所述文本簇中的目标异常文本可以包括：

若根据所述本次异常文本，以及文本簇中除所述本次异常文本之外的其他文本，检测到迭代停止事件，则将所述本次异常文本作为所述文本簇中的目标异常文本；或者，

比较所述本次异常文本和所述上次异常文本，并根据比较结果确定所述文本簇中的目标异常文本。

上述可选方式具有如下优点或有益效果：通过引入与本次异常文本以及文本簇中除本次异常文本之外的其他文本相关的迭代停止事件，在能够精准确定文本簇中的目标异常文本的情况下，加快了处理速度；此外，还可以采用将本次异常文本与上次异常文件进行比较的方式，确定文本簇中的目标异常文本，增加了选择目标异常文本即不相关文本的灵活度。

可选的，上述方法还包括：

将与所述本次簇中心特征之间距离最近的本次异常文本，作为第一本次异常文本；

将与所述第一本次异常文本之间距离最近的其他本次异常文本，作为第二本次异常文本；

若所述文本簇中除所述本次异常文本之外的所有其他文本，与所述第一本次异常文本之间距离，均大于所述第一本次异常文本与所述第二本次异常文本之间距离，则生成所述迭代停止事件。

上述可选方式具有如下优点或有益效果：提供了一种与本次异常文本以及文本簇中除本次异常文本之外的其他文本相关的迭代停止事件生成方式，进一步增加了方案的灵活度。