[发明专利]一种文本聚类方法、装置、服务器和存储介质

权利要求书

1.一种文本聚类方法，其特征在于，包括：

获取预设时间段内多个待聚类文本；

根据设定语言模型确定各所述待聚类文本对应的语义向量，其中，所述设定语言模型为能够反映词汇上下文关系的语言模型；

根据所述待聚类文本的语义向量之间的相似度，确定每个待聚类文本的聚类样本集；

对任意两个所述聚类样本集进行聚类归并，确定至少一个目标样本集；

所述对任意两个所述聚类样本集进行聚类归并，确定至少一个目标样本集包括：

获取任意两个所述聚类样本集的交集结果和并集结果；

若两个聚类样本集的交集结果和并集结果满足聚类归并条件，则将该两个聚类样本集进行聚类归并，形成一个新的聚类样本集；

当任意两个聚类样本集的交集结果和并集结果均不满足聚类归并条件时，聚类归并结束，并根据聚类归并后的聚类样本集确定至少一个目标样本集。

2.根据权利要求1所述的方法，其特征在于，在确定至少一个目标样本集之后，还包括：

根据每个目标样本集中待聚类文本的数量，对所述至少一个目标样本集进行排序；

根据排序后的目标样本集确定突发新闻。

3.根据权利要求2所述的方法，其特征在于，根据每个目标样本集中待聚类文本的数量，对所述至少一个目标样本集进行排序包括：

根据每个目标样本集中待聚类文本的创建时间，确定待聚类文本的权重值，其中，所述创建时间为待聚类文本在网络中进行创建的时间；

根据每个目标样本集中待聚类文本的数量和权重值，对所述至少一个目标样本集进行排序。

4.根据权利要求1所述的方法，其特征在于，根据设定语言模型确定各所述待聚类文本对应的语义向量，包括：

获取所述待聚类文本中至少一个有效词，并根据skip-gram语言模型确定每个所述有效词的词向量，其中，所述有效词包括至少一个字符；

根据各个有效词的词向量确定所述待聚类文本对应的语义向量。

5.根据权利要求4所述的方法，其特征在于，根据各个有效词的词向量确定所述待聚类文本对应的语义向量，包括：

对所述各个有效词的词向量进行按位求和，并按词向量的数量求取平均值，得到所述语义向量。

6.根据权利要求4所述的方法，其特征在于，在使用所述skip-gram语言模型之前，还包括所述skip-gram语言模型的训练过程，具体包括：

获取多个训练文本，并对每个所述训练文本进行分词处理，确定至少一个有效词；

根据每个所述训练文本中各有效词的上下文词汇，确定所述训练文本的上下文词汇样本集；

将所述上下文词汇样本集输入skip-gram语言模型进行训练，并计算所述skip-gram语言模型对应的目标函数的最大值；

若所述目标函数的最大值保持不变，则所述skip-gram语言模型训练完成。

7.一种文本聚类装置，其特征在于，包括：

待聚类文本获取模块，用于获取预设时间段内多个待聚类文本；

语义向量确定模块，用于根据设定语言模型确定各所述待聚类文本对应的语义向量，其中，所述设定语言模型为能够反映词汇上下文关系的语言模型；

聚类样本集确定模块，用于根据所述待聚类文本的语义向量之间的相似度，确定每个待聚类文本的聚类样本集；

目标样本集确定模块，用于对任意两个所述聚类样本集进行聚类归并，确定至少一个目标样本集；

所述目标样本集确定模块，具体包括：交并集获取单元，用于获取任意两个聚类样本集的交集结果和并集结果；聚类归并单元，用于若两个聚类样本集的交集结果和并集结果满足聚类归并条件，则将该两个聚类样本集进行聚类归并，形成一个新的聚类样本集；目标样本集确定单元，用于当任意两个聚类样本集的交集结果和并集结果均不满足聚类归并条件时，聚类归并结束，并根据聚类归并后的聚类样本集确定至少一个目标样本集。