具体实施方式

下面将参考若干示例性实施方式来描述本说明书实施例的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本说明书实施例，而并非以任何方式限制本说明书实施例的范围。相反，提供这些实施方式是为了使本说明书实施例公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域的技术人员知道，本说明书实施例的实施方式可以实现为一种系统、装置设备、方法或计算机程序产品。因此，本说明书实施例公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

虽然下文描述流程包括以特定顺序出现的多个操作，但是应该清楚了解，这些过程可以包括更多或更少的操作，这些操作可以顺序执行或并行执行(例如使用并行处理器或多线程环境)。

请参阅图1，本实施方式可以提供一种数据查询方法。该数据查询方法可以用于通过目标聚簇标签确定查询的范围，并根据目标文本的特征向量在确定的查询范围中进行查询，确定目标文本对应的查询结果，以达到缩小查询范围，提高查询效率的目的。上述数据查询方法可以包括以下步骤。

S101：接收目标用户输入的目标文本。

在本实施方式中，可以接收目标用户输入的目标文本。上述目标文本可以为目标用户在需要进行查询时在检索界面的输入框中输入的文本，上述目标文本可以用于表示目标用户的查询目的。

在本实施方式中，上述目标文本可以为一个或者多个关键词，也可以为一句话也可以为一段话，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

S102：对目标文本进行预处理，得到目标文本的特征向量。

在本实施方式中，由于目标用户的输入的目标文本的格式不正确或者存在一些无关的冗余字符，为了确定目标用户查询的主要意图，可以对目标文本进行预处理，得到目标文本的特征向量。

在本实施方式中，上述目标文本的特征向量中可以包含至少一个特征词，上述特征向量可以为例如：<北京，天气>，当然可以理解的是，上述目标文本的特征向量还可以为其它可能的形式，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

在本实施方式中，上述预处理可以包括：数据清洗、分词、去停用词等处理，当然，预处理的方式不限于上述举例，所属领域技术人员在本说明书实施例技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本说明书实施例相同或相似，均应涵盖于本说明书实施例保护范围内。

S103：根据目标文本的特征向量确定目标聚簇标签；其中，目标聚簇标签用于表示目标文本所属的分类。

在本实施方式中，可以根据目标文本的特征向量确定目标聚簇标签，以确定目标文本对应的分类。其中，上述目标聚簇标签可以用于表示目标文本所属的分类。

在本实施方式中，可以预先对数据库中历史存储的问答数据进行聚类分析，得到多个聚簇中心，从而对历史问答数据进行分类。对应的，在用户进行查询时，可以先确定用户输入的文本所对应的聚簇。

在本实施方式中，可以通过计算目标文本的特征向量与各个历史问答数据的特征向量之间的相似度，可以将相似度最高的历史问答数据所属的聚簇作为目标文本的特征向量所属的聚簇。其中，特征向量之间的相似度可以通过计算余弦相似度、明可夫斯基距离等确定，当然，特征向量之间相似度的计算方式不限于上述举例，所属领域技术人员在本说明书实施例技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本说明书实施例相同或相似，均应涵盖于本说明书实施例保护范围内。

在本实施方式中，还可以计算目标文本的特征向量到各个聚簇中心的欧式距离，取最短路径的聚簇中心，划分到该类。当然可以理解的是，还可以采用其它方式确定目标文本的特征向量所属的聚簇。

在本实施方式中，每个聚簇中心可以具有一个聚簇标签，聚簇标签可以用于标识聚簇的类别，聚簇标签可以为一个或者多个特征词。当然可以理解的是，上述聚簇标签还可以为其它形式，例如图表等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

S104：基于目标文本的特征向量和目标聚簇标签，确定目标文本对应的查询结果。

在本实施方式中，可以基于上述目标文本的特征向量和目标聚簇标签，确定目标文本对应的查询结果。从而可以在数据库中目标聚簇标签对应的分类下进行查询，达到缩小查询范围，提高查询效率的目的，进而可以提高查询结果的准确性。

在本实施方式中，由于数据库中存储的数据量较大，并且问答知识往往具有离散性高、缺乏统计分析等特点，因此，可以通过目标聚簇标签确定查询的范围，并根据目标文本的特征向量在确定的查询范围中进行查询。

在本实施方式中，上述目标文本对应的查询结果可以为一个或者多个，在一些情况下查询结果也可以为空，在查询结果为空的情况下可以向目标用户反馈缺省提示信息，并提示用户是否需要修改目标文本或者目标聚簇标签，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

从以上的描述中，可以看出，本说明书实施例实现了如下技术效果：可以通过接收目标用户输入的目标文本，对所述目标文本进行预处理，得到所述目标文本的特征向量。为了确定目标文本所属的分类，可以根据所述目标文本的特征向量确定目标聚簇标签。由于数据库中存储的数据量较大，并且问答知识往往具有离散性高、缺乏统计分析等特点，因此，可以通过目标聚簇标签确定查询的范围，并根据目标文本的特征向量在确定的查询范围中进行查询，确定目标文本对应的查询结果。从而可以达到缩小查询范围，提高查询效率的目的，并且可以提高查询结果的准确性。

在一个实施方式中，对所述目标文本进行预处理，得到所述目标文本的特征向量，可以包括：对所述目标文本进行分词，得到目标分词集合。进一步的，可以去除所述目标分词集合中的停用词，得到所述目标文本的特征向量。

在本实施方式中，由于目标用户的输入的目标文本的格式不正确或者存在一些无关的冗余字符，因此，可以对所述目标文本进行预处理，得到所述目标文本的特征向量。具体的可以先对目标文本进行分词，得到目标文本的目标分词集合。进一步的，可以将目标分词集合中的停用词去除，从而得到目标文本的特征向量。

在本实施方式中，上述分词可以为中文分词，用于将一个汉字序列切分成一个个单独的词，分词就是将连续的字序列按照一定的规范重新组合成词序列的过程。停用词是指在信息检索中，为节省存储空间和提高搜索效率，在处理自然语言数据(或文本)之前或之后会自动过滤掉某些字或词，例如：的、了等。

在本实施方式中，可以维护一个停用词表，并根据停用词表将目标分词集合中的停用词去除。

在一个实施方式中，在根据所述目标文本的特征向量确定目标聚簇标签之前，还可以包括：从目标数据库中获取问答知识集合；其中，所述问答知识集合中包含多组问答数据，每组问答数据中包含问题文本和答案文本。对所述问答知识集合中的每组问答数据进行预处理，得到多组问答数据的特征向量。进一步的，可以根据所述多组问答数据的特征向量，利用K-means聚类算法进行聚类分析，得到聚类结果；其中，所述聚类结果中包含多个聚类中心，每个聚类中心对应一个聚簇。可以根据所述聚类结果，确定各个聚簇的聚簇标签，并基于所述聚类结果和所述各个聚簇的聚簇标签，得到所述问答知识集合的分类结果。

在本实施方式中，可以预先对目标数据库中的问答知识集合进行分类，其中，上述目标数据库可以为查询的数据来源，可以根据目标文本在目标数据库中进行查询从而得到查询结果。上述获取的问答知识集合中的问答数据可以为目标数据库中记录的历史问答数据，当然也可以包括人为设置的经常会被检索的问答数据，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

在本实施方式中，对所述问答知识集合中的每组问答数据进行预处理的方式可以与对目标文本进行预处理的方式相同，重复之处不再赘述。

在本实施方式中，可以利用K-means聚类算法对多组问答数据的特征向量进行聚类分析，从而得到多个聚类中心，每个聚类中心可以对应一个聚簇，每个聚簇中可以包含至少一组问答数据。K-means聚类算法(k-means clustering algorithm，k均值聚类算法)是一种迭代求解的聚类分析算法，其步骤是预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。

在本实施方式中，为了对不同的聚簇进行区分，可以根据所述聚类结果，确定各个聚簇的聚簇标签，聚簇标签可以用于区分不同的分类，例如聚簇标签可以为借贷、存款等特征词，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

在本实施方式中，可以将上述聚类结果和所述各个聚簇的聚簇标签作为问答知识集合的分类结果。

在一个实施方式中，对所述问答知识集合中的每组问答数据进行预处理，得到多组问答数据的特征向量，可以包括：对所述每组问答数据中的问题文本和答案文本进行分词，得到每组问答数据的分词集合。可以去除所述每组问答数据的分词集合中的停用词，得到所述每组问答数据的特征向量。

在本实施方式中，由于问答数据的格式可能不正确或者存在一些无关的冗余字符，因此，可以对问答知识集合中的每组问答数据进行预处理，得到各组问答数据的特征向量。具体的可以先对问答知识集合中的每组问答数据进行分词，得到每组问答数据的分词集合。进一步的，可以将每组问答数据的分词集合中的停用词去除，从而得到每组问答数据的特征向量。

在一个实施方式中，根据所述多组问答数据的特征向量，利用K-means聚类算法进行聚类分析，得到聚类结果，可以包括：计算各组问答数据的特征向量中每个特征词的TF-IDF权值二维矩阵。进一步的，可以根据所述各组问答数据中每个特征词的TF-IDF权值二维矩阵，利用K-means聚类算法进行聚类分析，得到聚类结果。

在本实施方式中，TF-IDF(term frequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术，TF是词频(Term Frequency)，IDF是逆向文件频率(Inverse Document Frequency)。TF-IDF是一种统计方法，用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度，字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。其中，TF-IDF按照以下公式计算：

TF-IDF＝TF×IDF

在本实施方式中，可以先计算各组问答数据的特征向量中每个特征词的词频，词频的计算公式如下所示：

其中，tf_ij为第i个特征词在文件集j中的词频；n_i,j为第i个特征词在文件集j中出现的次数；n_kj为文件集j中第k个词条在文件集j中出现的次数；∑_kn_kj为文件集j中所有词条出现的次数总和。

在本实施方式中，可以进一步计算逆向文件频率，逆向文件频率的计算公式如下所示：

其中，idf_i为第i个特征词的逆向文件频率；|D|为目标数据库中问答数据的记录总数；t_i为第i个特征词；|{j:t_i∈d_j}|为包含第i个特征词的文件总数。

在本实施方式中，根据词频和逆向文件频率得到计算结果可以得到各组问答数据的特征向量中每个特征词在文件集j中的TF-IDF值进而可以得到每个特征词在不同文件集中的TF-IDF权值二维矩阵ω[i][j]。

在本实施方式中，还可以根据计算得到各组问答数据的特征向量中每个特征词的TF-IDF权值二维矩阵，滤除不重要的特征词(TF-IDF小于预设阈值)，从而保留重要的特征词。

在本实施方式中，根据所述各组问答数据中每个特征词的TF-IDF权值二维矩阵，利用K-means聚类算法进行聚类分析，得到聚类结果可以包括以下步骤：

步骤300：设定聚簇收敛阈值Delta和最大迭代次数N。

步骤301：从问答知识集合中随机选取一组问答数据作为初始聚类中心点。

步骤302：计算ω[i][j]中每一行与当前已有聚类中心之间的最短距离(即最近的聚类中心的欧几里得距离)，用D(x)表示。ω[i][j]中每一行代表一个样本，也就是一组问答数据。

接着计算每个样本点被选为下一个聚类中心的概率，并按照轮盘法选择出下一个聚类中心。其中，轮盘法就是比例选择方法，其基本思想是：各个个体被选中的概率与其适应度函数值大小成正比。

步骤303：重复步骤302直到选择出K个聚类中心。

步骤304：将选择的K个聚类中心作为初始值，对ω[i][j]中剩余的每一行计算到K个初始聚类中心的距离，并根据最小的距离将该点归类到K个中心点中的一个。同时将该最小距离记录到数组A[k][m]中，其中，k为聚类中心的序号，m为归类到该聚类中心的样本点的序号。

步骤305：重新计算K个聚簇的质心。新生成的K个质心分别与上一次计算的聚类中心点进行比较，如果距离都小于收敛阈值Delta，则表示整个过程已经收敛，根据A[k][m]计算该聚簇中所有样本点到中心点的平均距离a[k]，并计算所有任意两个中心点的距离，判断是否小于两个聚簇内的平均距离，若果是则合并两个聚簇，在已经收敛的情况下结束算法。

否则判断是否迭代次数已经大于N，如果是可以认为此时K值选取并不合理，只能得到部分的局部最优解，通过加大K值重新计算让整体更容易收敛。可以调整聚类数K＝K+K/2之后重新执行开始步骤301直到算法结束。

如果迭代次数小于等于N，若收敛可以进一步判断是否有需要合并的聚类，若有则合并，合并后结束算法。

在本实施方式中，通过当两个聚类“相近”时合并，当迭代N次后仍不能收敛时，扩大K值调整聚类中心来得到更合理的聚类中心值。

在一个实施方式中，根据所述聚类结果，确定各个聚簇的聚簇标签，可以包括：将所述目标聚簇中包含的特征词，按照特征词的TF-IDF值降序排列，并将排序前预设数量的特征词作为所述目标聚簇的聚簇标签。

在本实施方式中，由于TF-IDF值可以用以评估一个字词对于一个文件集或一个语料库中的其中一份文件的重要程度，因此，可以将目标聚簇中包含的特征词，按照特征词的TF-IDF值降序排列，并将排序前预设数量的特征词作为所述目标聚簇的聚簇标签，按照此方式可以得到各个聚簇的聚簇标签。

在本实施方式中，上述预设数量可以为正整数，例如：1、3、6等，具体的可以根据实际情况确定，本说明书实施例对此不作限定。

在一个实施方式中，在基于所述聚类结果和所述各个聚簇的聚簇标签，得到所述问答知识集合的分类结果之后，还可以包括：将所述问答知识集合的分类结果在检索界面中展示。

在本实施方式中，可以将问答知识集合的分类结果通过前端页面展示，以提供分类功能为用户或者人工客服提供查询服务。

在本实施方式中，上述分类结果中可以包含多个分类，每个分类的名称可以用各个聚簇的聚簇标签表示。在一些实施例中，可以仅将各个分类的名称在检索界面中展示，也可以将各个分类的名称和对应的具有代表性的问答数据一同在检索界面中展示，以给用户或者人工客服示例说明，从而更加直观清楚的了解各个分类的含义。当然，分类结果展示的方式不限于上述举例，所属领域技术人员在本说明书实施例技术精髓的启示下，还可能做出其它变更，但只要其实现的功能和效果与本说明书实施例相同或相似，均应涵盖于本说明书实施例保护范围内。

基于同一发明构思，本说明书实施例中还提供了一种数据查询装置，如下面的实施例所述。由于数据查询装置解决问题的原理与数据查询方法相似，因此数据查询装置的实施可以参见数据查询方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。图2是本说明书实施例的数据查询装置的一种结构框图，如图2所示，可以包括：接收模块201、预处理模块202、第一确定模块203、第二确定模块204，下面对该结构进行说明。

接收模块201，可以用于接收目标用户输入的目标文本；

预处理模块202，可以用于对所述目标文本进行预处理，得到所述目标文本的特征向量；

第一确定模块203，可以用于根据所述目标文本的特征向量确定目标聚簇标签；其中，所述目标聚簇标签用于表示所述目标文本所属的分类；

第二确定模块204，可以用于基于所述目标文本的特征向量和所述目标聚簇标签，确定所述目标文本对应的查询结果。

本说明书实施例实施方式还提供了一种电子设备，具体可以参阅图3所示的基于本说明书实施例提供的数据查询方法的电子设备组成结构示意图，所述电子设备具体可以包括输入设备31、处理器32、存储器33。其中，所述输入设备31具体可以用于输入目标文本。所述处理器32具体可以用于接收目标用户输入的目标文本；对所述目标文本进行预处理，得到所述目标文本的特征向量；根据所述目标文本的特征向量确定目标聚簇标签；其中，所述目标聚簇标签用于表示所述目标文本所属的分类；基于所述目标文本的特征向量和所述目标聚簇标签，确定所述目标文本对应的查询结果。所述存储器33具体可以用于存储目标文本的特征向量、目标聚簇标签等参数。

在本实施方式中，所述输入设备具体可以是用户和计算机系统之间进行信息交换的主要装置之一。所述输入设备可以包括键盘、鼠标、摄像头、扫描仪、光笔、手写输入板、语音输入装置等；输入设备用于把原始数据和处理这些数的程序输入到计算机中。所述输入设备还可以获取接收其他模块、单元、设备传输过来的数据。所述处理器可以按任何适当的方式实现。例如，处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述存储器具体可以是现代信息技术中用于保存信息的记忆设备。所述存储器可以包括多个层次，在数字系统中，只要能保存二进制数据的都可以是存储器；在集成电路中，一个没有实物形式的具有存储功能的电路也叫存储器，如RAM、FIFO等；在系统中，具有实物形式的存储设备也叫存储器，如内存条、TF卡等。

在本实施方式中，该电子设备具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。

本说明书实施例实施方式中还提供了一种基于数据查询方法的计算机存储介质，所述计算机存储介质存储有计算机程序指令，在所述计算机程序指令被执行时可以实现：接收目标用户输入的目标文本；对所述目标文本进行预处理，得到所述目标文本的特征向量；根据所述目标文本的特征向量确定目标聚簇标签；其中，所述目标聚簇标签用于表示所述目标文本所属的分类；基于所述目标文本的特征向量和所述目标聚簇标签，确定所述目标文本对应的查询结果。

在本实施方式中，上述存储介质包括但不限于随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read-Only Memory，ROM)、缓存(Cache)、硬盘(Hard DiskDrive，HDD)或者存储卡(Memory Card)。所述存储器可以用于存储计算机程序指令。网络通信单元可以是依照通信协议规定的标准设置的，用于进行网络连接通信的接口。

在本实施方式中，该计算机存储介质存储的程序指令具体实现的功能和效果，可以与其它实施方式对照解释，在此不再赘述。

显然，本领域的技术人员应该明白，上述的本说明书实施例的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本说明书实施例不限制于任何特定的硬件和软件结合。

虽然本说明书实施例提供了如上述实施例或流程图所述的方法操作步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本说明书实施例提供的执行顺序。所述的方法的在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

应该理解，以上描述是为了进行图示说明而不是为了进行限制。通过阅读上述描述，在所提供的示例之外的许多实施方式和许多应用对本领域技术人员来说都将是显而易见的。因此，本说明书实施例的范围不应该参照上述描述来确定，而是应该参照前述权利要求以及这些权利要求所拥有的等价物的全部范围来确定。

以上所述仅为本说明书实施例的优选实施例而已，并不用于限制本说明书实施例，对于本领域的技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的保护范围之内。