[发明专利]一种随机分组方法、装置、设备及介质

权利要求书

1.一种随机分组方法，其特征在于，所述方法包括：

获取分组约束条件信息，解析所述分组约束条件信息，得到分组条件标签；

获取待分组成员信息，提取每个所述待分组成员信息对应的对象特征；

当所述分组条件标签唯一时，根据所述分组条件标签和所述对象特征，对所有待分组成员进行聚类分析，得到预设数量的目标聚类簇，随机选择每个所述目标聚类簇中待分组成员依次添加到每个预设的分组池中，得到单条件分组小组；

当所述分组条件标签不唯一时，根据所述分组条件标签和所述对象特征，利用预设的聚类算法得到同时满足所有分组条件标签的交集聚类簇，随机选择每个所述交集聚类簇中的待分组成员依次添加到每个所述预设的分组池中，

利用随机法将所述交集聚类簇之外的待分组成员依次投递到每个所述预设的分组池中，得到多条件分组小组；

其中，所述解析所述分组约束条件信息，得到分组条件标签，包括：对所述分组约束条件信息进行分词，将每个分词作为候选词；利用预设的关键词提取工具，从所述候选词中筛选出关键词；根据预设的分组条件标签与关键词之间的映射关系，获取所述关键词对应的分组条件标签；

所述提取每个所述待分组成员信息对应的对象特征，包括：将所述待分组成员信息进行分词，得到多个文本分词；分别将所述多个文本分词转换为词向量，将所述词向量拼接为文本向量矩阵；从所述多个文本分词中逐个选取其中一个文本分词为目标分词，根据所述目标分词的词向量及所述文本向量矩阵，计算所述目标分词的关键值；按照所述关键值从大到小的顺序从所述多个文本分词中选取预设数量的文本分词为特征分词；将所述特征分词的词向量拼接得到所述待分组成员信息对应的对象特征；

所述根据所述分组条件标签和所述对象特征，对所有待分组成员进行聚类分析，得到预设数量的目标聚类簇，包括：提取所述分组条件标签对应的条件特征，并将所述条件特征进行向量映射，得到条件特征向量；将每个所述对象特征进行向量映射，得到对象特征向量集；从所述对象特征向量集中，随机选取预设数量的对象特征向量作为聚类中心；依次计算所述对象特征向量集中每个对象特征向量到所述聚类中心的聚类距离，并将每个所述对象特征向量划分到聚类距离最小的聚类中心对应的类别中，得到多个类别簇；计算所述聚类中心与所述条件特征向量之间的条件距离，并判断所述条件距离是否满足预设的条件距离阈值；若所述条件距离不满足所述预设的条件距离阈值，则重新计算每个类别簇的聚类中心，并返回上述的依次计算所述对象特征向量集中每个对象特征向量到所述聚类中心的聚类距离的步骤；若所述条件距离满足所述预设的条件距离阈值，则将最后得到的聚类簇作为目标聚类簇；

所述随机选择每个所述目标聚类簇中待分组成员依次添加到每个预设的分组池中，得到单条件分组小组，包括：将所述预设的分池组进行随机排列，得到分池组队列；依次从所有所述目标聚类簇中随机选择一个目标聚类簇作为分拨簇；每次从所述分拨簇中随机选择一个待分组成员按照所述分组池队列的顺序，添加到对应的分池组中，直到所述分拨簇中的待分组成员为空；将每个所述分组池作为一个分组小组。

2.如权利要求1所述的一种随机分组方法，其特征在于，所述根据所述目标分词的词向量及所述文本向量矩阵，计算所述目标分词的关键值，包括：

利用如下关键值算法计算所述目标分词的关键值：

其中，K为所述关键值，|W|为所述文本向量矩阵，T为矩阵转置符号，||为求模符号，为所述目标分词的词向量。

3.如权利要求1所述的一种随机分组方法，其特征在于，所述重新计算每个类别簇的聚类中心，包括：

利用如下聚类公式计算每个类别簇的聚类中心：

其中，E_i表示第i个聚类中心，C_i表示第i个类别簇，x为类别簇中的对象特征向量。