[发明专利]文本聚类方法及装置在审
| 申请号： | 201810685393.2 | 申请日： | 2018-06-27 |
| 公开（公告）号： | CN108875049A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 汪博;邹斯韬;刘远浩;鹿江锋;胡汝坤;邵小亮;徐文静;汪平;谢隆飞;郑坚钢 | 申请（专利权）人： | 中国建设银行股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 苏胜 |
| 地址： | 100033 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种文本聚类方法及装置，涉及文本处理技术领域。方法通过确定获取到的文本特征向量集中的k个文本数据为k个簇的中心点后，再遍历所述文本特征向量集，将每个文本数据划分到相似度最高的簇中，然后针对每个簇执行：基于预设的互信息量的评估函数，计算一个簇中一个文本数据中的每个词与该文本数据所划分到簇的互信息量并对计算出的互信息量进行排序，提取互信息量高的T个词作为该文本数据的特征向量的方式，进而将计算出的该簇中所有文本数据的特征向量的平均值确定为该簇的新的中心点，直到满足预设条件。降低了孤立数据点对新中心点计算产生的影响，更准确，并且在保证簇特征完备的情况下，降低维度，从而提高计算效率。 | ||
| 搜索关键词： | 文本数据 中心点 文本特征向量 特征向量 文本聚类 计算效率 评估函数 文本处理 预设条件 数据点 相似度 遍历 维度 预设 排序 孤立 保证 | ||
【主权项】：
1.一种文本聚类方法，其特征在于，所述方法包括：确定获取到的文本特征向量集中的k个文本数据为k个簇的中心点；遍历所述文本特征向量集，将每个文本数据划分到所述k个簇中相似度最高的簇中；针对所述k个簇中的每个簇执行：基于预设的互信息量的评估函数，计算一个簇中一个文本数据中的每个词与该文本数据所划分到簇的互信息量并对计算出的互信息量进行排序，提取互信息量高的T个词作为该文本数据的特征向量；将计算出的该簇中所有文本数据的特征向量的平均值确定为该簇的新的中心点，直到满足预设条件。
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中国建设银行股份有限公司，未经中国建设银行股份有限公司许可，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/201810685393.2/，转载请声明来源钻瓜专利网。
