如何使用聚类对具有相似意图的句子进行分组？

Posted 2023-03-12

【中文标题】如何使用聚类对具有相似意图的句子进行分组？

【英文标题】：How to use clustering to group sentences with similar intents?

【发布时间】：2018-05-28 20:18:22

【问题描述】：

我正在尝试用 Python 开发一个程序，该程序可以处理原始聊天数据并聚类具有相似意图的句子，以便将它们用作构建新聊天机器人的训练示例。目标是使其尽可能快速和自动化（即无需手动输入参数）。

1- 对于特征提取，我对每个句子进行标记、词干化并使用 Sklearn 的 TfidfVectorizer 对其进行矢量化。

2- 然后我使用 Sklearn 的 DBSCAN 对这些句子向量进行聚类。我选择了这种聚类算法，因为它不需要用户指定所需的聚类数量（如 k-means 中的 k 参数）。它丢弃了很多句子（将它们视为异常值），但至少它的聚类是同质的。

整体算法适用于相对较小的数据集（10000 句）并生成有意义的集群，但存在一些问题：

在大型数据集（例如 800000 个句子）上，DBSCAN 会失败，因为它需要太多内存，即使在云中强大的机器上进行并行处理也是如此。我需要一种计算量较小的方法，但我找不到另一种不会产生怪异和异质句子簇的算法。还有哪些其他选择？什么算法可以处理大量高维数据？

DBSCAN 生成的集群是具有相似措辞的句子（由于我的特征提取方法），但目标词并不总是代表意图。如何改进特征提取，以便更好地捕捉句子的意图？我尝试了 Doc2vec，但它似乎不适用于由句子大小的文档组成的小型数据集...

【参考方案1】：

DBSCAN 的标准实现应该只需要 O(n) 内存。您不能低于此内存要求。但我在某处读到 sklearn 的 DBSCAN 实际上使用 O(n²) 内存，所以它不是最佳实现。然后你可能需要自己实现它，以使用更少的内存。

不要期望这些方法能够“按意图”进行集群。无监督算法无法推断出预期的内容。最有可能的是，集群将仅基于几个关键词。但这可能是人们说“嗨”还是“你好”。从无监督的角度来看，这种区别给出了两个不错的集群（还有一些噪音，也许还有另一个集群“hola”）。

我建议根据您标记“意图”的子集训练监督特征提取。

【讨论】：

您可以考虑基于潜在狄利克雷分布的模型，例如 gensim.ldamodel，它可以帮助您将句子聚类到主题中。