[发明专利]文本聚类的方法及装置在审
| 申请号： | 201510802485.0 | 申请日： | 2015-11-19 |
| 公开（公告）号： | CN106776600A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 林漫鹏 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京鼎佳达知识产权代理事务所(普通合伙)11348 | 代理人： | 王伟锋,刘铁生 |
| 地址： | 100086 北京市海淀区*** | 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： | |||
| 搜索关键词： | 文本 方法 装置 | ||
1.一种文本聚类的方法，其特征在于，所述方法包括：
按照预定的文本簇数量k对文本集合进行一次聚类，获得k个一级文本簇，所述k为大于1的正整数；
获取目标一级文本簇，所述目标一级文本簇包括的文本数量大于所述k；
按照所述k对所述目标一级文本簇进行二次聚类。
2.根据权利要求1所述的方法，其特征在于，所述获取目标一级文本簇，包括：
按照包括的文本数量从大到小的顺序遍历所述一级文本簇，获取所述目标一级文本簇。
3.根据权利要求1所述的方法，其特征在于，所述获取目标一级文本簇，包括：
从所述一级文本簇中获取包括的文本数量最多且文本数量大于所述k的文本簇，确定为所述目标一级文本簇；
在按照所述k对所述目标一级文本簇进行二次聚类后，从剩余的一级文本簇中继续获取包括的文本数量最多且文本数量大于所述k的文本簇，确定为所述目标一级文本簇，直至不存在文本数量大于所述k的一级文本簇为止。
4.根据权利要求1至3中任一项所述的方法，其特征在于，在所述按照所述k对所述目标一级文本簇进行二次聚类之后，所述方法还包括：
获取进行所述二次聚类后得到的二级文本簇；
获取目标二级文本簇，所述目标二级文本簇包括的文本数量大于所述k；
按照所述k对所述目标二级文本簇进行三次聚类，直至不存在文本数量大于所述k的文本簇为止。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当不存在包括的文本数量大于所述k的文本簇时，将获得的所有文本簇作为聚类结果进行输出。
6.一种文本聚类的装置，其特征在于，所述装置包括：
聚类单元，用于按照预定的文本簇数量k对文本集合进行一次聚类，获得k个一级文本簇，所述k为大于1的正整数；
获取单元，用于获取目标一级文本簇，所述目标一级文本簇包括的文本数量大于所述k；
所述聚类单元还用于按照所述k对所述目标一级文本簇进行二次聚类。
7.根据权利要求6所述的装置，其特征在于，所述获取单元用于：
按照包括的文本数量从大到小的顺序遍历所述一级文本簇，获取所述目标一级文本簇。
8.根据权利要求6所述的装置，其特征在于，所述获取单元用于：
从所述一级文本簇中获取包括的文本数量最多且文本数量大于所述k的文本簇，确定为所述目标一级文本簇；
在按照所述k对所述目标一级文本簇进行二次聚类后，从剩余的一级文本簇中继续获取包括的文本数量最多且文本数量大于所述k的文本簇，确定为所述目标一级文本簇，直至不存在文本数量大于所述k的一级文本簇为止。
9.根据权利要求6至8中任一项所述的装置，其特征在于，所述获取单元，用于：
在按照所述k对所述目标一级文本簇进行二次聚类之后，获取进行所述二次聚类后得到的二级文本簇；
获取目标二级文本簇，所述目标二级文本簇包括的文本数量大于所述k；
所述聚类单元，用于按照所述k对所述目标二级文本簇进行三次聚类，直至不存在文本数量大于所述k的文本簇为止。
10.根据权利要求6所述的装置，其特征在于，所述装置还包括：
输出单元，用于当不存在包括的文本数量大于所述k的文本簇时，将获得的所有文本簇作为聚类结果进行输出。
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北京国双科技有限公司，未经北京国双科技有限公司许可，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/pat/books/201510802485.0/1.html，转载请声明来源钻瓜专利网。
