[发明专利]数据处理方法、装置、电子设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，包括：

根据第一簇中心集合对第一数据集中的数据样本进行聚类，得到所述第一簇中心集合中的每一个簇中心对应的聚类簇；

获取所述每一个簇中心与所述每一个簇中心对应的聚类簇中的数据样本的距离信息；

根据所述距离信息确定所述第一数据集的下一个簇中心，得到第二簇中心集合，所述第二簇中心集合包括所述第一簇中心集合和所述下一个簇中心；

在所述第二簇中心集合不满足预设条件时，将所述第一簇中心集合更新为所述第二簇中心集合；

在所述第二簇中心集合满足预设条件时，根据所述第二簇中心集合对所述第一数据集中的数据样本进行聚类，得到所述第一数据集的聚类结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述距离信息确定所述第一数据集的下一个簇中心，包括：

获取多个所述簇中心对应的所述距离信息中的距离值的极大值信息，在多个所述簇中心对应的距离值的极大值信息中确定距离值的最大值，获取所述距离值的最大值对应的数据样本；

将所述距离值的最大值对应的数据样本确定为所述第一数据集的下一个簇中心。

3.根据权利要求1所述的方法，其特征在于，所述预设条件为所述第二簇中心集合中的每一个簇中心相对所述簇中心对应的聚类簇中的数据样本的距离小于第一阈值。

4.根据权利要求1所述的方法，其特征在于，所述第一簇中心集合包括至少两个簇中心，所述根据第一簇中心集合对第一数据集中的数据样本进行聚类，包括：

根据第一距离信息和第二距离信息确定所述第一数据集中的数据样本所属的簇中心；其中，所述第一距离信息为所述第一簇中心集合中两两簇中心的距离信息；所述第二距离信息为所述第一数据集中的数据样本和所述第一簇中心集合中的簇中心的距离信息；

根据所述第一数据集中的数据样本所属的簇中心对所述第一数据集中的数据样本进行聚类。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述第一数据集的聚类结果包括多个聚类簇，所述方法还包括：

根据预设关键字对所述聚类簇中的多个数据样本进行排序；

在滑动窗口内对排序后的所述多个数据样本进行遍历，将所述多个数据样本中相似度大于预设值的重复数据样本删除，得到第二数据集。

6.一种数据处理装置，其特征在于，包括：

第一处理模块，用于根据第一簇中心集合对第一数据集中的数据样本进行聚类，得到所述第一簇中心集合中的每一个簇中心对应的聚类簇；

第二处理模块，用于获取所述每一个簇中心与所述每一个簇中心对应的聚类簇中的数据样本的距离信息；

根据所述距离信息确定所述第一数据集的下一个簇中心，得到第二簇中心集合，所述第二簇中心集合包括所述第一簇中心集合和所述下一个簇中心；

第三处理模块，用于在所述第二簇中心集合不满足预设条件时，将所述第一簇中心集合更新为所述第二簇中心集合；

在所述第二簇中心集合满足预设条件时，根据所述第二簇中心集合对所述第一数据集中的数据样本进行聚类，得到所述第一数据集的聚类结果。

7.根据权利要求6所述的装置，其特征在于，所述第二处理模块用于根据所述距离信息确定所述第一数据集的下一个簇中心，包括：

获取多个所述簇中心对应的所述距离信息中的距离值的极大值信息，在多个所述簇中心对应的距离值的极大值信息中确定距离值的最大值，获取所述距离值的最大值对应的数据样本；

将所述距离值的最大值对应的数据样本确定为所述第一数据集的下一个簇中心。

8.根据权利要求6所述的装置，其特征在于，所述预设条件为所述第二簇中心集合中的每一个簇中心相对所述簇中心对应的聚类簇中的数据样本的距离小于第一阈值。

9.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1至5中任一项所述的方法。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法。