[发明专利]一种量子行走的空间聚类方法

权利要求书

1.一种量子行走的空间聚类方法，其特征是，包括：

步骤一，初始化n维空间，n为数据点的维度，并将数据点自然映射到空间上；定义一个距离函数；对于3维的情况，使任意空间中的数据点具有相同的行走环境，设定量子行走空间的上下、左右、前后边界相连；

步骤二，检查包括数据点的空间数目λ与聚类数目θ之间的关系，如果λ＞θ，找出潜在的孤立点空间，并分别计算含有数据点的空间中所含数据点数量最少的空间V_min相对于含有数据点的邻域中每个空间的总收益；若λ＝θ，则执行步骤四；

步骤三，空间合并与坍缩，整个空间按照少数服从多数的原则合并到某个邻域空间中，合并后的空间体坍缩到一个空间的大小；合并坍缩后跳回步骤二；

步骤四，当包含数据点的空间数量达到聚类数时，如果空间不相邻，则结束，得到相应的聚类结果；

将上述步骤应用于网络舆情分析与监管，所述数据点映射为舆情话题，通过识别和聚焦敏感话题和热点话题，并进行负面舆情研判，实现自动摘要、自动提取关键词和要素。

2.如权利要求1所述一种量子行走的空间聚类方法，其特征是，所述步骤一中的距离函数满足两个点之间的距离越靠近时，函数值就越小。

3.如权利要求1所述一种量子行走的空间聚类方法，其特征是，所述步骤二中，孤立点空间的寻找方法为：

查找含有数据点的空间中所含数据点数量最少的空间，记为V_min；若其邻域没有数据点，则将其邻域都并入V_min；如果合并后的V_min所占体积达到总体积设定，则该空间即为潜在的孤立点空间。

4.如权利要求1所述一种量子行走的空间聚类方法，其特征是，所述步骤二中总收益的计算方法为，

查找含有数据点的空间中所含数据点数量最少的空间，记为V_min，如果V_min的邻域中有数据点，则V_min中的所有数据点分别与邻域内的所有数据点进行一次收益比较，然后分别计算出V_min中数据点相对邻域中每个空间的总收益。

5.如权利要求1所述一种量子行走的空间聚类方法，其特征是，所述步骤三中的具体方法为，计算V_min中的每个数据点相对于含有数据点的邻域内的所有数据点的收益，根据计算出的收益决定新的归属，整个空间按照少数服从多数的原则合并到某个邻域空间中；合并后的空间体积并不扩大，而是坍缩到一个空间的大小。

6.如权利要求1所述一种量子行走的空间聚类方法，其特征是，所述步骤四中，如果空间相邻，则相邻空间中的数据点再与邻域空间中的数据点进行一次比较，确定最终的归属空间。