[发明专利]一种会话场景文本挖掘的方法及计算装置

权利要求书

1.一种会话场景文本挖掘的方法，所述方法应用于大数据系统，所述大数据系统包括k个场景，N个文本，最大的迭代次数num，Nk，k为大于2的正整数，其特征在于，所述方法包括：

根据文本距离计算公式计算所述N个文本中任意两个文本之间的距离d(t_i,t_j)，其中，t_i表示第i个文本，t_j表示第j个文本；

选择所述任意两个文本之间的距离中最大距离对应的两个文本t₁和t₂，其中，所述t₁为第一簇中心点，所述t₂为第二簇中心点；

当簇中心点的个数k为2时，根据所述文本距离计算公式，将N-k个文本分配到k个簇集合中，所述k个簇集合包括所述第一簇中心点和所述第二簇中心点，且同一个簇集合中包括所述第一簇中心点和所述第二簇中心点中的任意一个；

根据中心点最优函数计算每个簇集合中的新中心点；

在每个簇集合中，选取所述新中心点；

根据标准测度函数公式计算第一次分配的分配误差G_i和第二次分配的分配误差G_j；

当|G_i-G_j|≤ε时，停止迭代，其中，ε为所有簇集合中心点与簇集合内每个点的距离之和。

2.根据权利要求1所述的方法，其特征在于，当簇中心点的个数k为3时，所述方法还包括：

根据公式d(t₁,t₃)*d(t₂,t₃)≥d(t₁,t_i)*d(t₂,t_j),(i,j∈(1,N))，在N-2个文本中选择第三簇中心点，其中，所述N-2个文本为N个文本中除去t₁和t₂的文本；

根据所述文本距离计算公式，将N-k个文本分配到k个簇集合中，所述k个簇集合包括所述第一簇中心点、所述第二簇中心点和所述第三簇中心点，且同一个簇集合中包括所述第一簇中心点、所述第二簇中心点和所述第三簇中心点中的任意一个。

3.根据权利要求1或2所述的方法，其特征在于，

所述文本距离计算公式为：其中，h表示调节系数，h∈(0,1)。

4.根据权利要求1或2所述的方法，其特征在于，

所述中心点最优函数为：

其中，C_i表示第i个簇集合，t表示每个簇集合内的文本，表示第i个簇集合的中心点，表示第i个簇集合选出的新中心点。

5.根据权利要求1或2所述的方法，其特征在于，

所述标准测度函数公式为：

其中，表示第i个簇集合的中心点，表示第i个簇集合选出的新中心点。

6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

若|G_i-G_j|ε，且迭代次数为num，则停止迭代。

7.根据权利要求1或2所述的方法，其特征在于，在所述根据文本距离计算公式计算所述N个文本中两两之间的距离之前，所述方法还包括：

对所述N个文本进行word2vec向量化。