短信聚类方法及装置的制造方法
【专利摘要】本公开是关于一种短信聚类方法及装置，方法包括：根据短信集合中任意两个短信之间的相似度，构建短信集合的相似度矩阵；利用预设相似度阈值对相似度矩阵进行层次聚类，得到参考类别数量；确定类别数量，包括：根据参考类别数量确定第一类别数量和第二类别数量；谱聚类过程，包括：将参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对相似度矩阵进行谱聚类，获得短信聚类结果；当短信聚类结果满足预设条件时，将参考类别数量对应的短信聚类结果确定为目标短信聚类结果。该方法在对短信集合中的短信进行聚类时，是基于短信的结构相似度，充分考虑了短信句子的结构和语义之间的相似性，所以使得短信进行聚类的准确性提高。
【专利说明】
短信聚类方法及装置
技术领域
[0001 ]本公开涉及数据分类技术领域，尤其涉及一种短信聚类方法及装置。
【背景技术】
[0002]普通用户短信涉及用户较多隐私，且句子结构复杂多样，在文本挖掘中，一般涉及较少。通知类短信结构相对更严谨，一般是文本挖掘的重要对象。
[0003]文本聚类方法有k-means，层次聚类等方法。但这些聚类方法在聚类时，很难考虑句子的结构和语义之间的相似性，因此，在聚类时得到的聚类结果准确性较低，具有很大的局限性。
【发明内容】
[0004]为克服相关技术中存在的问题，本公开提供一种短信聚类方法及装置。
[0005]根据本公开实施例的第一方面，提供一种短信聚类方法，包括:
[0006]根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0007]利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0008]确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0009]谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0010]当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0011]利用该方法，在对短信集合中的短信进行聚类时，是基于短信的结构相似度，充分考虑了短信句子的结构和语义之间的相似性，所以使得短信进行聚类的准确性提高，进而通过该方法聚类得到的短信之间类别分明，以使得后续对聚类得到的短信类别进行其它诸如批量标记、批量删除等操作。
[0012]可选地，所述第一类别数量、第二类别数量与所述参考类别数量相邻，且所述第一类别数量小于所述第二类别数量。
[0013]可选地，所述将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得聚类结果，包括:
[0014]获取所述相似度矩阵中的特征值，以及特征值对应的特征向量；
[0015]由小到大从所述特征向量中分别按照所述参考类别数量、第一类别数量和第二类别数量选择出三组特征向量；
[0016]将选取的所述三组特征向量组成三个特征向量空间；
[0017]利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类，得到三组聚类类别作为短信聚类结果。
[0018]通过该方法，不仅对参考聚类类别进行聚类，而且对与参考聚类类别相邻的两个类别同样进行聚类，得到三组聚类类别作为距离结果，以便于对后续对三组聚类类别之间的差异进行判断，进而确定本次确定的参考聚类类别是否恰当。
[0019]可选地，所述方法包括:
[0020]分别计算每组聚类类别中任意两个聚类类别的类簇质心之间距离的加权平均值；
[0021]利用预设比值公式计算三组聚类类别的加权平均值的比值；
[0022]判断所述比值是否大于第一阈值；
[0023]当所述比值大于第一阈值时，确定所述短信聚类结果满足预设条件。
[0024]本公开实施例提供的该方法，在利用参考聚类类别以及与参考聚类类别相邻的两个类别进行聚类后，通过计算各加权平均值之间的关系，可以确定本次聚类是否准确，并且在不准确时，可以进行迭代运算，直至得到最优的分类。
[0025]可选地，所述根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵，包括:
[0026]利用预设相似度公式计算短信集合中任意两个短信之间的相似度；
[0027]生成包含所有相似度的矩阵作为所述短信集合的相似度矩阵。
[0028]可选地，所述预设相似度公式为:
[0029]Sim(A1B) =Simstruct(A,B) X (aSimt(A,B)+PSimgram(A,B))
[0030]其中<^￡[0，1]，0三[0，1];
[0031 ]当短信A和短信B的结构相同时，Sims truct ( A , B ) — I ；
[0032]当短信A和短信B的结构不相同时，S imstruct (A，B) = O;
[0033]Simt(A1B) = Cos(vec(A),vec(B))；
[0034]其中:vec(A)为短信A的潜在狄利克雷分配模型LDA主题向量;vec(B)为短信B的LDA主题向量；
[0035]Simgram(A1B)= |D(A) HD(B) |/|D(A) UD(B) | ；
[0036]其中，D(A)为短信A的2-gram词对;D(B)为短信B的2-gram词对。
[0037]可选地，所述利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量，包括:
[0038]将所述相似度矩阵中每个相似度的值分别与所述预设相似度阈值进行比较；
[0039]提取所述相似度矩阵中所有大于预设相似度阈值的相似度；
[0040]将任意两个短信之间的相似度均大于所述预设相似度阈值的短信确定为一个类别；
[0041 ]将确定得到的类别的数量作为所述参考类别数量。
[0042]谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间聚类且收敛于全局最优解的特点。但是谱聚类需要给定类的数量，才能运算，而通常情况下是无法事先得到一个类别数量，所以，可以基于预设相似度阈值，得到一个大致的类的数量。
[0043]可选地，所述方法还包括:
[0044]当所述短信聚类结果不满足预设条件时，修正所述参考类别数量的值，迭代执行所述确定类别数量及所述谱聚类过程，直至获得的短信聚类结果满足所述预设条件。
[0045]谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间聚类且收敛于全局最优解的特点。但是谱聚类需要给定类的数量，才能运算，而通常情况下是无法事先得到一个类别数量，所以，可以基于预设相似度阈值，得到一个大致的类的数量。以便于后续基于该大致的类的数量进行修正后，进行迭代学习聚类数量，直到最后聚类效果稳定为止。
[0046]可选地，所述修正所述参考类别数量的值，包括:
[0047]获取所述短信聚类结果中的预设比值；
[0048]当所述预设比值小于第二阈值时，将所述参考类别数量的值减去第一预设值；
[0049]当所述预设比值大于第二阈值时，将所述参考类别数量的值增加第二预设值。
[0050]在本公开实施例中，由于第二阈值小于所述第一阈值，也即，在比值小于第一阈值后，还可以进一步和第二阈值进行比较，并且根据和第二阈值的比值结果，来确定将参考类别数量是增加还是减少。
[0051]根据本公开实施例的第二方面，提供一种短信聚类装置，包括:
[0052]矩阵构建模块，用于根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0053]层次聚类确定模块，用于利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0054]类别数量确定模块，用于确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0055]谱聚类模块，用于进行谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0056]结果确定模块，用于当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0057]可选地，所述第一类别数量、第二类别数量与所述参考类别数量相邻，且所述第一类别数量小于所述第二类别数量。
[0058]可选地，所述谱聚类模块，包括:
[0059]特征获取子模块，用于获取所述相似度矩阵中的特征值，以及特征值对应的特征向量；
[0060]向量选取子模块，用于由小到大从所述特征向量中分别按照所述参考类别数量、第一类别数量和第二类别数量选择出三组特征向量；
[0061]向量空间组成子模块，用于将选取的所述三组特征向量分别组成三个特征向量空间；
[0062]聚类子模块，用于利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类，得到三组聚类类别作为短信聚类结果。
[0063]可选地，所述装置包括:
[0064]平均值计算模块，用于分别计算每组聚类类别中任意两个聚类类别的类簇质心之间距离的加权平均值；
[0065]比值计算模块，用于利用预设比值公式计算三组聚类类别的加权平均值的比值；
[0066]比值判断模块，用于判断所述比值是否大于第一阈值；
[0067]第一确定模块，用于当所述比值大于第一阈值时，确定所述短信聚类结果满足预设条件。
[0068]可选地，所述矩阵构建模块，包括:
[0069]相似度计算子模块，用于利用预设相似度公式计算短信集合中任意两个短信之间的相似度；
[0070]矩阵生成子模块，用于生成包含所有相似度的矩阵作为所述短信集合的相似度矩阵。
[0071]可选地，所述预设相似度公式为:
[0072]Sim(A1B) =Simstruct(A,B) X (aSimt(A,B)+PSimgram(A,B))
[0073]其中αE [O，I ]，βΕ [O，I ];
[0074]当短信A和短信B的结构相同时，Simstruct ( A , B ) — I ；
[0075 ]当短信A和短信B的结构不相同时，S imstruct (A，B) = O;
[0076]Simt(A1B) = Cos(vec(A),vec(B))；
[0077]其中:vec(A)为短信A的LDA主题向量;vec(B)为短信B的LDA主题向量；
[0078]Simgram(A1B)= |D(A) HD(B) |/|D(A) UD(B) | ；
[0079]其中，D(A)为短信A的2-gram词对;D(B)为短信B的2-gram词对。
[0080]可选地，所述层次聚类确定模块，包括:
[0081]比较子模块，用于将所述相似度矩阵中每个相似度的值分别与所述预设相似度阈值进行比较；
[0082]提取子模块，用于提取所述相似度矩阵中所有大于预设相似度阈值的相似度；
[0083]类别确定子模块，用于将任意两个短信之间的相似度均大于所述预设相似度阈值的短信确定为一个类别；
[0084]参考类别数量确定子模块，用于将确定得到的类别的数量作为所述参考类别数量。
[0085]可选地，所述装置还包括:
[0086]修正模块，用于当所述短信聚类结果不满足预设条件时，修正所述参考类别数量的值；
[0087]当所述修正模块修正后，迭代执行所述确定类别数量及所述谱聚类过程，直至获得的短信聚类结果满足所述预设条件。
[0088]可选地，所述修正模块，包括:
[0089]比值获取子模块，用于获取所述短信聚类结果中的预设比值；
[0090]第一修正子模块，用于当所述预设比值小于第二阈值时，将所述参考类别数量的值减去第一预设值；
[0091]第二修正子模块，用于当所述预设比值大于第二阈值时，将所述参考类别数量的值增加第二预设值。
[0092]根据本公开实施例的第三方面，提供一种终端，包括:
[0093]处理器；
[0094]用于存储处理器可执行指令的存储器；
[0095]其中，所述处理器被配置为:
[0096]根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0097]利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0098]确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0099]谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0100]当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0101 ]根据本公开实施例的第四方面，提供一种服务器，包括:
[0102]处理器；
[0103]用于存储处理器可执行指令的存储器；
[0104]其中，所述处理器被配置为:
[0105]根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0106]利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0107]确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0108]谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0109]当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0110]本公开的实施例提供的技术方案可以包括以下有益效果:
[0111]本公开实施例提供的该方法，根据短信集合中任意两个对象短信之间的相似度，构建所述短信集合的相似度矩阵;利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量;确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量;谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0112]利用该方法，在对短信集合中的短信进行聚类时，是基于短信的结构相似度，充分考虑了短信句子的结构和语义之间的相似性，所以使得短信进行聚类的准确性提高，进而通过该方法聚类得到的短信之间类别分明，以使得后续对聚类得到的短信类别进行其它诸如批量标记、批量删除等操作。
[0113]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【附图说明】
[0114]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0115]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0116]图1是根据一示例性实施例示出的一种短信聚类方法的流程图；
[0117]图2是图1中步骤S104的流程示意图；
[0118]图3是根据一示例性实施例示出的另一种短信聚类方法的流程图；
[0119]图4是图1中步骤S102的流程示意图；
[0120]图5是根据一示例性实施例示出的又一种短信聚类方法的流程图；
[0121]图6是根据一示例性实施例示出的一种短信聚类装置的结构示意图；
[0122]图7是图6中谱聚类模块14的结构示意图；
[0123]图8是根据一示例性实施例示出的另一种短信聚类装置的结构示意图；
[0124]图9是图6中矩阵构建模块11的结构示意图；
[0125]图10是图6中层次聚类确定模块12的结构示意图；
[0126]图11是根据一示例性实施例示出的一种终端1100的框图；
[0127]图12是根据一示例性实施例示出的一种用于短信聚类的服务器1200的框图。
【具体实施方式】
[0128]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0129]图1是根据一示例性实施例示出的一种短信聚类方法的流程图。如图1所示，该方法可以包括以下步骤。
[0130]在步骤SlOl中，根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵。
[0131]由于短信的特殊结构，不同于其它信息，所以在计算短信之间的相似度时，考虑到短信的句子结构和语义结构，可以预先设定一个相似度公式，然后利用该相似度公式来计算短信之间的相似度，这里相似度也即短信的结构相似度。
[0132]在本公开实施例中，该步骤可以包括以下两个步骤。
[0133]S1:利用预设相似度公式计算短信集合中任意两个短信之间的相似度。
[0134]在本公开实施例中，预设相似度公式为:
[0135]Sim(A1B) =Simstruct(A,B) X (aSimt(A,B)+PSimgram(A,B))
[0136]其中<1三[0，1]，0三[0，1];
[0137]当短信A和短信B的结构相同时，Simstruct ( A , B ) — I ；
[0138]当短信A和短信B的结构不相同时，Simstruct(A，B)=0;
[0139]Simt(A1B) = cos(vec(A),vec(B))；
[0140]其中:vec(A)为短信A的LDA(LatentDirichlet Allocat1n，潜在狄利克雷分配模型)主题向量;vec(B)为短信B的LDA主题向量；
[0141]Simgram(A1B)= |D(A) HD(B) |/|D(A) UD(B) | ；
[0142]其中，D(A)为短信A的2-gram词对;D(B)为短信B的2-gram词对。
[0143]S2:生成包含所有相似度的矩阵作为所述短信集合的相似度矩阵。
[0144]当计算到短信集合中任意两个短信之间的相似度后，可以根据相似度公式，构建包含短信集合中所有短信的相似度的相似度矩阵。在本公开实施例中，相似度矩阵可以用W来表示。
[0145]在步骤S102中，利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量。
[0146]在进行层次聚类时，可以设定最低相似度阈值，然后利用最低相似度阈值对相似度聚类进行层次聚类，得到参考类别数量。在本公开实施例中，参考类别数量可以用η来表不O
[0147]在步骤S103中，确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量。
[0148]在本公开实施例中，可以将聚类数量等于参考类别数量，其中，聚类数量用k来表示，即令k = n，然后在k = n的基础上，分别计算得到两个类别数量:第一类别数量和第二类别数量。在本公开实施例中，第一类别数量、第二类别数量与所述参考类别数量相邻，且所述第一类别数量小于所述第二类别数量，例如:第一类别数量为k_l，第二类别数量为k+1。
[0149]在步骤S104中，谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果。
[0150]当确定参考类别后，可以通过计算相似度矩阵W中前k特征值与特征向量，构建特征向量空间，然后利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类得到一组聚类类别。
[0151]另外，针对第一类别数量和第二类别数量，也分别构建特征向量空间，并利用利用K-means聚类算法进行聚类，并分别得到一组聚类类别。
[0152]在本公开实施例中，将得到的三组聚类类别作为短信聚类结果。
[0153]在步骤S105中，当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0154]在得到短信聚类结果后，还需要对短信聚类结果进行判断，这里的判断主要是将判断参考类别数量和第一类别数量、第二类别数量对应的加权平均值的差值，只有当三者的加权平均值的差值满足一定要求后，才确定得到的参考数量类别是正确的，进而才将参考数量类别对应的短信聚类结果作为最终的结果。
[0155]本公开实施例提供的该方法，根据短信集合中任意两个对象短信之间的相似度，构建所述短信集合的相似度矩阵;利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量;确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量;谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0156]利用该方法，在对短信集合中的短信进行聚类时，是基于短信的结构相似度，充分考虑了短信句子的结构和语义之间的相似性，所以使得短信进行聚类的准确性提高，进而通过该方法聚类得到的短信之间类别分明，以使得后续对聚类得到的短信类别进行其它诸如批量标记、批量删除等操作。
[0157]在本公开另一实施例中，如图2所示，图1所述实施例中的步骤S104可以包括以下步骤。
[0158]在步骤S1041中，获取所述相似度矩阵中的特征值，以及特征值对应的特征向量。
[0159]在步骤S1042中，由小到大从所述特征向量中分别按照所述参考类别数量、第一类别数量和第二类别数量选择出三组特征向量。
[0160]在本公开数量中，参考类别数量可以用k来表示，第一类别数量可以用k-Ι来表示，第二类别数量可以用k+Ι来表示。
[0161]在步骤S1043中，将选取的所述三组特征向量组成三个特征向量空间。
[0162]在步骤S1044中，利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类，得到三组聚类类别作为短信聚类结果。
[0163]通过该方法，不仅对参考聚类类别进行聚类，而且对与参考聚类类别相邻的两个类别同样进行聚类，得到三组聚类类别作为距离结果，以便于对后续对三组聚类类别之间的差异进行判断，进而确定本次确定的参考聚类类别是否恰当。
[0164]在本公开另一实施例中，在图2所示实施例的基础上，如图3所示，该方法还可以包括以下步骤。
[0165]在步骤S201中，分别计算每组聚类类别中任意两个聚类类别的类簇质心之间距离的加权平均值。
[0166]在步骤S202中，利用预设比值公式计算三组聚类类别的加权平均值的比值。
[0167]在本公开实施例中，当利用k得到聚类结果后，计算类簇质心之间距离的加权平均值为d;当利用k-Ι得到聚类结果后，计算类簇质心之间距离的加权平均值为CU;当利用k+1得到聚类结果后，计算类簇质心之间距离的加权平均值为d+1。
[0168]根据前面计算得到的三个加权平均值，预设比值公式可以为a=(cU-d)/(d-d+1)，其中，a即为加权平局值的比值。
[0169]在步骤S203中，判断所述比值是否大于第一阈值。
[0170]当所述比值大于第一阈值时，执行步骤S1063;当所述比值小于或等于第一阈值时，执行步骤S1064。
[0171 ]在步骤S204中，确定所述短信聚类结果满足预设条件。
[0172]在本公开实施例中，第一阈值通常较大。当比值大于第一阈值，表示参考类别数量和相邻的第一类别数量、第二类别数量之间的差距满足要求，即分类比较明显。
[0173]在步骤S205中，确定所述短信聚类结果不满足预设条件。
[0174]相反，如果比值小于第一阈值，表示分类结果不明显，需要重新进行分类。
[0175]本公开实施例提供的该方法，在利用参考聚类类别以及与参考聚类类别相邻的两个类别进行聚类后，通过计算各加权平均值之间的关系，可以确定本次聚类是否准确，并且在不准确时，可以进行迭代运算，直至得到最优的分类。
[0176]在本公开另一实施例中，如图4所示，前述步骤S102可以包括以下步骤。
[0177]在步骤S1021中，将所述相似度矩阵中每个相似度的值分别与所述预设相似度阈值进行比较。
[0178]预设相似度阈值可以为本领域技术人员预先设定，在本公开实施例中，预设相似度阈值可以用λ来表示。
[0179]在步骤S1022中，提取所述相似度矩阵中所有大于预设相似度阈值的相似度。
[0180]在步骤S1023中，将任意两个短信之间的相似度均大于所述预设相似度阈值的短信确定为一个类别。
[0181]在步骤S1024中，将确定得到的类别的数量作为所述参考类别数量。
[0182]谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间聚类且收敛于全局最优解的特点。但是谱聚类需要给定类的数量，才能运算，而通常情况下是无法事先得到一个类别数量，所以，可以基于预设相似度阈值，得到一个大致的类的数量。
[0183]在本公开另一实施例中，如图5所示，该方法还可以包括以下步骤。
[0184]在步骤3106中，判断所述短信聚类结果是否满足预设条件；
[0185]当所述短信聚类结果满足预设条件时，执行步骤S105;当所述短信聚类结果不满足预设条件时，执行步骤S107。
[0186]在步骤S107中，修正所述参考类别数量的值，迭代执行所述确定类别数量及所述谱聚类过程，直至获得的短信聚类结果满足所述预设条件。
[0187]谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间聚类且收敛于全局最优解的特点。但是谱聚类需要给定类的数量，才能运算，而通常情况下是无法事先得到一个类别数量，所以，可以基于预设相似度阈值，得到一个大致的类的数量。以便于后续基于该大致的类的数量进行修正后，进行迭代学习聚类数量，直到最后聚类效果稳定为止。
[0188]在本公开另一实施例中，前述步骤S107可以包括以下步骤。
[0189]S1:获取所述短信聚类结果中的预设比值。
[0190]这里预设比值即为图3中计算得到的比值。
[0191]S2:当所述预设比值小于第二阈值时，将所述参考类别数量的值减去第一预设值。
[0192]S3:当所述预设比值大于第二阈值时，将所述参考类别数量的值增加第二预设值。
[0193]第一预设值和第二预设值可以相同，也可以不同。当参考类别数量不满足要求时，可以在参考类别数量的基础上进行微调，所以在本公开实施例中，第一预设值和第二预设值均可以设定为I，当然，在其它实施例中，本领域技术人员，还可以设置对参考类别数量的其它微调量，例如:第一预设值和第二预设值还可以均设置为2或3等。
[0194]在本公开实施例中，第二阈值小于所述第一阈值，也即，在比值小于第一阈值后，还可以进一步和第二阈值进行比较，并且根据和第二阈值的比值结果，来确定将参考类别数量是增加还是减少。
[0195]图6是根据一示例性实施例示出的一种短信聚类装置的结构示意图。如图6所示，该装置可以包括:矩阵构建模块U、层次聚类确定模块12、类别数量确定模块13、谱聚类模块14和结果确定1?块15，其中，
[0196]矩阵构建模块11被配置为根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0197]层次聚类确定模块12被配置为利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0198]类别数量确定模块13被配置为确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0199]谱聚类模块14被配置为进行谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0200]结果确定模块15被配置为当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0201]在本公开实施例中，可选地，所述第一类别数量、第二类别数量与所述参考类别数量相邻，且所述第一类别数量小于所述第二类别数量。
[0202]本公开实施例提供的该装置，根据短信集合中任意两个对象短信之间的相似度，构建所述短信集合的相似度矩阵;利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量;确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量;谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0203]利用该装置，在对短信集合中的短信进行聚类时，是基于短信的结构相似度，充分考虑了短信句子的结构和语义之间的相似性，所以使得短信进行聚类的准确性提高，进而通过该方法聚类得到的短信之间类别分明，以使得后续对聚类得到的短信类别进行其它诸如批量标记、批量删除等操作。
[0204]在本公开另一实施例中，如图7所示，所述谱聚类模块14，可以包括:特征获取子模块141、向量选取子模块142、向量空间组成子模块143和聚类子模块被配置144，其中，
[0205]特征获取子模块141被配置为获取所述相似度矩阵中的特征值，以及特征值对应的特征向量；
[0206]向量选取子模块142被配置为由小到大从所述特征向量中分别按照所述参考类别数量、第一类别数量和第二类别数量选择出三组特征向量；
[0207]向量空间组成子模块143被配置为将选取的所述三组特征向量分别组成三个特征向量空间；
[0208]聚类子模块被配置144为利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类，得到三组聚类类别作为短信聚类结果。
[0209]在本公开另一实施例中，在图7所示实施例的基础上，如图8所示，该装置包括:平均值计算模块21、比值计算模块22、比值判断模块23、第一确定模块24和第二确定模块25，其中，
[0210]平均值计算模块21被配置为分别计算每组聚类类别中任意两个聚类类别的类簇质心之间距离的加权平均值；
[0211]比值计算模块22被配置为利用预设比值公式计算三组聚类类别的加权平均值的比值；
[0212]比值判断模块23被配置为判断所述比值是否大于第一阈值；
[0213]第一确定模块24被配置为当所述比值大于第一阈值时，确定所述短信聚类结果满足预设条件；
[0214]第二确定模块25被配置为当所述比值小于或等于第一阈值时，确定所述短信聚类结果不满足预设条件。
[0215]在本公开另一实施例中，如图9所示，所述矩阵构建模块11，可以包括:相似度计算子模块111和矩阵生成子模块112，其中，
[0216]相似度计算子模块111被配置为利用预设相似度公式计算短信集合中任意两个短信之间的相似度；
[0217]矩阵生成子模块112被配置为生成包含所有相似度的矩阵作为所述短信集合的相似度矩阵。
[0218]在本公开另一实施例中，如图10所示，前述层次聚类确定模块12，包括:比较子模块121、提取子模块122、类别确定子模块123和参考类别数量确定子模块124，其中，
[0219]比较子模块121被配置为将所述相似度矩阵中每个相似度的值分别与所述预设相似度阈值进行比较；
[0220]提取子模块122被配置为提取所述相似度矩阵中所有大于预设相似度阈值的相似度；
[0221]类别确定子模块123被配置为将任意两个短信之间的相似度均大于所述预设相似度阈值的短信确定为一个类别；
[0222]参考类别数量确定子模块124被配置为将确定得到的类别的数量作为所述参考类别数量。
[0223]在本公开另一实施例中，所述装置还包括:修正模块，其中，
[0224]该修正模块被配置为当所述短信聚类结果不满足预设条件时，修正所述参考类别数量的值；
[0225]当所述修正模块修正后，迭代执行所述确定类别数量及所述谱聚类过程，直至获得的短信聚类结果满足所述预设条件。
[0226]在本公开另一实施例中，所述修正模块可以包括:
[0227]比值获取子模块，用于获取所述短信聚类结果中的预设比值；
[0228]第一修正子模块，用于当所述预设比值小于第二阈值时，将所述参考类别数量的值减去第一预设值；
[0229]第二修正子模块，用于当所述预设比值大于第二阈值时，将所述参考类别数量的值增加第二预设值；
[0230]所述第二阈值小于所述第一阈值。
[0231 ]图11是根据一示例性实施例示出的一种终端1100的框图。例如，终端1100可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0232]参照图11，终端1100可以包括以下一个或多个组件:处理组件1102，存储器1104，电源组件1106，多媒体组件1108，音频组件1110，输入/输出(I /0)的接口 1112，传感器组件1114，以及通信组件1116。
[0233]处理组件1102通常控制终端1100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1102可以包括一个或多个处理器1120来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1102可以包括一个或多个模块，便于处理组件1102和其他组件之间的交互。例如，处理组件1102可以包括多媒体模块，以方便多媒体组件1108和处理组件1102之间的交互。
[0234]存储器1104被配置为存储各种类型的数据以支持在终端1100的操作。这些数据的示例包括用于在终端1100上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPR0M)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
[0235]电源组件1106为终端1100的各种组件提供电力。电源组件1106可以包括电源管理系统，一个或多个电源，及其他与为终端1100生成、管理和分配电力相关联的组件。
[0236]多媒体组件1108包括在所述终端1100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1108包括一个前置摄像头和/或后置摄像头。当终端1100处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0237]音频组件1110被配置为输出和/或输入音频信号。例如，音频组件1110包括一个麦克风(MIC)，当终端1100处于操作模式，如呼叫模式、记录模式和语义识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中，音频组件1110还包括一个扬声器，用于输出音频信号。
[0238]I/O接口 1112为处理组件1102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
[0239]传感器组件1114包括一个或多个传感器，用于为终端1100提供各个方面的状态评估。例如，传感器组件1114可以检测到终端1100的打开/关闭状态，组件的相对定位，例如所述组件为终端1100的显示器和小键盘，传感器组件1114还可以检测终端1100或终端1100—个组件的位置改变，用户与终端1100接触的存在或不存在，终端1100方位或加速/减速和终端1100的温度变化。传感器组件1114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1114还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0240]通信组件1116被配置为便于终端1100和其他设备之间有线或无线方式的通信。终端1100可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1116还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
[0241]在示例性实施例中，终端1100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0242]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1104，上述指令可由终端1100的处理器1120执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是R0M、随机存取存储器(RAM)、CD-R0M、磁带、软盘和光数据存储设备等。
[0243]一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种提醒方法，所述方法包括:
[0244]根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0245]利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0246]确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0247]谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0248]当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0249]图12是根据一示例性实施例示出的一种用于短信聚类的服务器1200的框图。例如，装置1200可以被提供为一服务器。参照图12，装置1200包括处理组件1222，其进一步包括一个或多个处理器，以及由存储器1232所代表的存储器资源，用于存储可由处理组件1222的执行的指令，例如应用程序。存储器1232中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。
[0250]装置1200还可以包括一个电源组件1226被配置为执行装置1200的电源管理，一个有线或无线网络接口 1250被配置为将装置1200连接到网络，和一个输入输出(I/O)接口1258。装置1200可以操作基于存储在存储器1232的操作系统，例如Windows ServerTM,MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
[0251]—种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行一种提醒方法，所述方法包括:
[0252]根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵；
[0253]利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量；
[0254]确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量；
[0255]谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果；
[0256]当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
[0257]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0258]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种短信聚类方法，其特征在于，包括: 根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵； 利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量； 确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量； 谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果； 当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。2.根据权利要求1所述的方法，其特征在于，所述第一类别数量、第二类别数量与所述参考类别数量相邻，且所述第一类别数量小于所述第二类别数量。3.根据权利要求1所述的方法，其特征在于，所述将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得聚类结果，包括: 获取所述相似度矩阵中的特征值，以及特征值对应的特征向量； 由小到大从所述特征向量中分别按照所述参考类别数量、第一类别数量和第二类别数量选择出三组特征向量； 将选取的所述三组特征向量组成三个特征向量空间； 利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类，得到三组聚类类别作为短信聚类结果。4.根据权利要求3所述的方法，其特征在于，所述方法包括: 分别计算每组聚类类别中任意两个聚类类别的类簇质心之间距离的加权平均值； 利用预设比值公式计算三组聚类类别的加权平均值的比值； 判断所述比值是否大于第一阈值； 当所述比值大于第一阈值时，确定所述短信聚类结果满足预设条件。5.根据权利要求1所述的方法，其特征在于，所述根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵，包括: 利用预设相似度公式计算短信集合中任意两个短信之间的相似度； 生成包含所有相似度的矩阵作为所述短信集合的相似度矩阵。6.根据权利要求5所述的方法，其特征在于，所述预设相似度公式为: Sim(A1B) = Simstruct(A,B) X (aSimt(A,B)+PSimgram(A,B)) 其中 αΕ[0，1]，βΕ[0，1]; 当短信A和短信B的结构相同时，Simstruct(A，B) = I; 当短信八和短信8的结构不相同时，3池_^，8)=0; Simt(A1B) =cos(vec(A), vec(B))； 其中:vec(A)为短信A的潜在狄利克雷分配模型LDA主题向量;vec(B)为短信B的LDA主题向量； Simgram(A1B)= |D(A) HD(B) |/|D(A) UD(B) | ； 其中，D(A)为短信A的2-gram词对;D(B)为短信B的2-gram词对。7.根据权利要求1所述的方法，其特征在于，所述利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量，包括: 将所述相似度矩阵中每个相似度的值分别与所述预设相似度阈值进行比较； 提取所述相似度矩阵中所有大于预设相似度阈值的相似度； 将任意两个短信之间的相似度均大于所述预设相似度阈值的短信确定为一个类别； 将确定得到的类别的数量作为所述参考类别数量。8.根据权利要求1-7任意一项所述的方法，其特征在于，所述方法还包括: 当所述短信聚类结果不满足预设条件时，修正所述参考类别数量的值，迭代执行所述确定类别数量及所述谱聚类过程，直至获得的短信聚类结果满足所述预设条件。9.根据权利要求8所述的方法，其特征在于，所述修正所述参考类别数量的值，包括: 获取所述短信聚类结果中的预设比值； 当所述预设比值小于第二阈值时，将所述参考类别数量的值减去第一预设值； 当所述预设比值大于第二阈值时，将所述参考类别数量的值增加第二预设值。10.一种短信聚类装置，其特征在于，包括: 矩阵构建模块，用于根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵； 层次聚类确定模块，用于利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量； 类别数量确定模块，用于确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量； 谱聚类模块，用于进行谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果； 结果确定模块，用于当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。11.根据权利要求10所述的装置，其特征在于，所述第一类别数量、第二类别数量与所述参考类别数量相邻，且所述第一类别数量小于所述第二类别数量。12.根据权利要求10所述的装置，其特征在于，所述谱聚类模块，包括: 特征获取子模块，用于获取所述相似度矩阵中的特征值，以及特征值对应的特征向量；向量选取子模块，用于由小到大从所述特征向量中分别按照所述参考类别数量、第一类别数量和第二类别数量选择出三组特征向量； 向量空间组成子模块，用于将选取的所述三组特征向量分别组成三个特征向量空间；聚类子模块，用于利用K-means聚类算法对每个特征向量空间中的特征向量分别进行聚类，得到三组聚类类别作为短信聚类结果。13.根据权利要求12所述的装置，其特征在于，所述装置包括: 平均值计算模块，用于分别计算每组聚类类别中任意两个聚类类别的类簇质心之间距离的加权平均值； 比值计算模块，用于利用预设比值公式计算三组聚类类别的加权平均值的比值； 比值判断模块，用于判断所述比值是否大于第一阈值； 第一确定模块，用于当所述比值大于第一阈值时，确定所述短信聚类结果满足预设条件。14.根据权利要求10所述的装置，其特征在于，所述矩阵构建模块，包括: 相似度计算子模块，用于利用预设相似度公式计算短信集合中任意两个短信之间的相似度； 矩阵生成子模块，用于生成包含所有相似度的矩阵作为所述短信集合的相似度矩阵。15.根据权利要求14所述的装置，其特征在于，所述预设相似度公式为: Sim(A1B) = Simstruct(A,B) X (aSimt(A,B)+PSimgram(A,B)) 其中 αΕ[0，1]，βΕ[0，1]; 当短信A和短信B的结构相同时，Simstruct(A，B) = I; 当短信八和短信8的结构不相同时，3池_^，8)=0; Simt(A1B) =cos(vec(A), vec(B))； 其中:vec(A)为短信A的LDA主题向量;vec(B)为短信B的LDA主题向量； Simgram(A,B)= |D(A) HD(B) |/|D(A) UD(B) | ； 其中，D(A)为短信A的2-gram词对;D(B)为短信B的2-gram词对。16.根据权利要求10所述的装置，其特征在于，所述层次聚类确定模块，包括: 比较子模块，用于将所述相似度矩阵中每个相似度的值分别与所述预设相似度阈值进行比较； 提取子模块，用于提取所述相似度矩阵中所有大于预设相似度阈值的相似度； 类别确定子模块，用于将任意两个短信之间的相似度均大于所述预设相似度阈值的短信确定为一个类别； 参考类别数量确定子模块，用于将确定得到的类别的数量作为所述参考类别数量。17.根据权利要求10至16中任一项所述的装置，其特征在于，所述装置还包括: 修正模块，用于当所述短信聚类结果不满足预设条件时，修正所述参考类别数量的值；当所述修正模块修正后，迭代执行所述确定类别数量及所述谱聚类过程，直至获得的短信聚类结果满足所述预设条件。18.根据权利要求17所述的装置，其特征在于，所述修正模块，包括: 比值获取子模块，用于获取所述短信聚类结果中的预设比值； 第一修正子模块，用于当所述预设比值小于第二阈值时，将所述参考类别数量的值减去第一预设值； 第二修正子模块，用于当所述预设比值大于第二阈值时，将所述参考类别数量的值增加第二预设值。19.一种终端，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为: 根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵； 利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量； 确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量； 谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果； 当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。20.一种服务器，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为: 根据短信集合中任意两个短信之间的相似度，构建所述短信集合的相似度矩阵； 利用预设相似度阈值对所述相似度矩阵进行层次聚类，得到参考类别数量； 确定类别数量，包括:根据所述参考类别数量确定第一类别数量和第二类别数量； 谱聚类过程，包括:将所述参考类别数量、第一类别数量和第二类别数量分别作为聚类数量对所述相似度矩阵进行谱聚类，获得短信聚类结果； 当所述短信聚类结果满足预设条件时，将所述参考类别数量对应的短信聚类结果确定为目标短信聚类结果。
【文档编号】G06F17/30GK105824955SQ201610191407
【公开日】2016年8月3日
【申请日】2016年3月30日
【发明人】汪平仄, 张涛, 陈志军
【申请人】北京小米移动软件有限公司