[发明专利]文本聚类方法、装置及计算机设备

权利要求书

1.一种文本聚类方法，所述方法包括：

分别从待聚类的多个文本中提取字符片段，其中，各个字符片段包括所述文本连续的若干个字符；

基于所述文本以及所述文本中各个字符片段出现的次数构建所述文本的特征矩阵；

基于所述特征矩阵和预先训练的聚类模型对所述文本进行聚类。

2.根据权利要求1所述的文本聚类方法，分别从待聚类的多个文本中提取字符片段，具体包括：

将指定长度的滑动窗口按照预设滑动步长沿着所述文本的字符排列路径滑动；

在遍历所述文本各字符的过程中，提取落入所述滑动窗口内的字符作为所述字符片段。

3.根据权利要求2所述的文本聚类方法，所述指定长度为两个字符的长度，所述滑动步长为一个字符的长度。

4.根据权利要求1至3任一项所述的文本聚类方法，所述特征矩阵的行数为所述文本的数量，列数为所述字符片段的数量，矩阵元素为各个字符片段在各文本中出现的次数。

5.根据权利要求4所述的文本聚类方法，基于所述特征矩阵和预先训练的聚类模型对所述多个文本进行聚类之后，还包括：

获取所述聚类模型输出的文本类别矩阵，其中，所述文本类别矩阵的行数为所述文本的数量，列数为所述文本聚类后的类别数量，矩阵元素为各文本所属的类别所表示的数值。

6.根据权利要求1所述的文本聚类方法，基于所述特征矩阵以及预先训练的聚类模型对所述多个文本进行聚类之前还包括：

对所述特征矩阵进行降维处理。

7.根据权利要求1所述的文本聚类方法，在分别从待聚类的多个文本中提取多个字符片段之前，还包括：

从所述待聚类的多个文本中删除冗余字符。

8.根据权利要求1所述的文本聚类方法，所述冗余字符包括：停用词和/或标点符号。

9.一种文本聚类装置，所述装置包括：

提取模块，用于分别从待聚类的多个文本中提取字符片段，其中，各个字符片段包括所述文本连续的若干个字符；

构建模块，用于基于所述文本以及所述文本中各个字符片段出现的次数构建所述文本的特征矩阵；

聚类模块，用于基于所述特征矩阵以及预先训练的聚类模型对所述文本进行聚类。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至8任意一项所述的方法。