一种文本聚类方法及装置制造方法及图纸

本发明专利技术实施例提供了一种文本聚类方法及装置，其中，所述方法包括：获取多个待聚类文本；分别提取多个待聚类文本的关键词，并保存每个待聚类文本、与待聚类文本的关键词的对应关系；根据该对应关系，将多个待聚类文本进行聚类。通过本发明专利技术实施例提供的文本聚类方法及装置，可以简化文本聚类的计算过程、提高计算效率。

【技术实现步骤摘要】
一种文本聚类方法及装置
本专利技术涉及数据挖掘
，特别是涉及一种文本聚类方法及装置。
技术介绍
随着互联网与物联网应用日益普及，网络更加智能化，网络的数据量也呈现爆炸的趋势。而大数据的特征就是海量、多样与实时性，这些对数据的管理、分析、处理提出了很高的要求。为了使用户从大量的数据中读取自己感兴趣的或者自己需要的信息，需要通过一些手段对数据进行处理，例如数据挖掘、自然语言处理(NaturalLanguageProcessing，NLP)、大规模数据集的并行运算(Hadoop)、高性能与高可扩展性数据库(NoSQL)、数据可视化技术等技术。数据挖掘是大数据处理的一个重要的手段，而聚类是数据挖掘中一个重要的分析方法。聚类，将相似的数据对象划分到对应的分组或子集，从而使得具有相似属性的数据能被划分到同一个子集中，以实现将数据集类别划分的目的。其中，文本聚类是从很多文本中把一些内容相似的文本聚为一类。文本聚类主要是依据聚类假设：同类的文本相似度较大，而不同类的文本相似度较小。现有的文本聚类方法，将文本表示为特征向量，然后通过计算文本对应的特征向量、计算文本之间的相似度；最后，根据文本之间本文档来自技高网...

【技术保护点】
一种文本聚类方法，其特征在于，包括：获取多个待聚类文本；分别提取多个待聚类文本的关键词，并保存每个待聚类文本、与待聚类文本的关键词的对应关系；根据所述对应关系，将多个待聚类文本进行聚类。

【技术特征摘要】
1.一种文本聚类方法，其特征在于，包括：获取多个待聚类文本；分别提取多个待聚类文本的关键词，并保存每个待聚类文本、与待聚类文本的关键词的对应关系；根据所述对应关系，将多个待聚类文本进行聚类。2.根据权利要求1所述的文本聚类方法，其特征在于，所述根据所述对应关系，将多个待聚类文本进行聚类，包括：按照将具有相同关键词的不同待聚类文本划分为同一类别的过程，将多个待聚类文本划分为不同类别，完成多个待聚类文本的聚类；其中，同一类别中所有待聚类文本具有的相同关键词，为所述类别的关键词标签，同一类别中所有待聚类文本，为所述类别的关键词标签对应的聚合文本。3.根据权利要求2所述的文本聚类方法，其特征在于，所述方法还包括：显示所有关键词标签。4.根据权利要求3所述的文本聚类方法，其特征在于，所述方法还包括：接收用户选择第一关键词标签的指令；查找所述第一关键词标签对应的聚合文本；向用户展示所述第一关键词标签对应的聚合文本。5.根据权利要求1所述的文本聚类方法，其特征在于，所述提取多个待聚类文本的关键词，包括：提取待聚类文本的标题的第一关键词；将所述第一关键词，作为所述待聚类文本的关键词。6.根据权利要求1所述的文本聚类方法，其特征在于，所述提取多个待聚类文本的关键词，包括：分别计算每个待聚类文本中的所有词的词频，其中，所述词...

【专利技术属性】
技术研发人员：沈文策，
申请(专利权)人：福建中金在线信息科技有限公司，
类型：发明
国别省市：福建,35