[发明专利]一种对海量文档集的层次聚类方法及系统有效
| 申请号： | 201611186920.2 | 申请日： | 2016-12-20 |
| 公开（公告）号： | CN106815310B | 公开（公告）日： | 2020-04-21 |
| 发明（设计）人： | 赵淦森;黄晓烽;胡波;杨晋吉;朱佳;唐华;廖智锐;汤庸;林嘉洺;张海明 | 申请（专利权）人： | 华南师范大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/31 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 胡辉;郑泽萍 |
| 地址： | 510631 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种对海量文档集的层次聚类方法及系统，该方法包括步骤：使用LDA模型对文档集的文档‑词项矩阵进行分析，进而生成文档集的文档‑主题分布矩阵和主题‑词项分布矩阵；对文档集进行Word Embedding模型的训练，进而将文档集的词典中的每个词项映射为一个多维向量；对文档集进行聚类分析后生成对应的层次主题树；基于建立的层次主题树对文档集进行层次聚类。本发明通过将LDA的全局语义信息和Word Embedding的细粒度语义信息结合起来进行文档层次聚类，可以全面地反映文档的本质，使得生成的层次主题树的层次结构更加合理，可广泛应用于数据处理领域。 | ||
| 搜索关键词： | 一种 海量 文档 层次 方法 系统 | ||
【主权项】：
一种对海量文档集的层次聚类方法，其特征在于，包括步骤：LDA主题分析步骤，使用LDA模型对文档集的文档‑词项矩阵进行分析，进而生成文档集的文档‑主题分布矩阵和主题‑词项分布矩阵；Word Embedding模型训练步骤，对文档集进行Word Embedding模型的训练，进而将文档集的词典中的每个词项映射为一个多维向量；层次主题树生成步骤，对文档集进行聚类分析后生成对应的层次主题树；文档层次聚类步骤，基于建立的层次主题树对文档集进行层次聚类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南师范大学，未经华南师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611186920.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像推送方法、装置以及移动终端
- 下一篇：一种问题匹配方法和装置
