[发明专利]文本聚类方法及装置

权利要求书

1.一种文本聚类方法，其特征在于，所述方法包括：

根据N个重心文本，对多个文本进行聚类，确定N个分类簇，所述N个重心文本为所述多个文本的子集，一个重心文本用于指示一个聚类重心，N为正整数；

确定每个重心文本的目标集合，以得到N个目标集合；对于第一重心文本，所述第一重心文本的目标集合包括所述多个文本中与第一重心文本之间的相似度大于预设值的文本，所述第一重心文本为所述N个重心文本中的任意一个；

确定所述N个目标集合中每个目标集合对应的相似文本集；

根据每个重心文本对应的分类簇和相似文本集，确定每个重心文本对应的文本聚类集合，一个文本聚类集合为一个分类簇与一个相似文本集之间的并集，所述文本聚类集合用于表征网络搜索结果。

2.根据权利要求1所述方法，其特征在于，所述根据N个重心文本，对多个文本进行聚类，确定N个分类簇，包括：

基于优先队列，根据所述N个重心文本，对所述多个文本进行聚类，确定所述N个分类簇。

3.根据权利要求1或2所述方法，其特征在于，所述确定所述N个目标集合中每个目标集合对应的相似文本集，包括：

对于所述N个目标集合中每个目标集合，根据第一操作确定每个目标集合对应的相似文本集；

所述第一操作为：确定所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似度之和；确定所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似系数，所述相似系数用于表征所述第一重心文本对应的目标集合中任一文本与所述第一重心文本之间的相似度，与所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似度之和的占比；根据所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似系数，确定所述第一重心文本对应的相似文本集。

4.根据权利要求3所述方法，其特征在于，所述第一重心文本对应的目标集合中的第一文本与所述第一重心文本之间的相似系数满足下述公式：

其中，所述第一文本为所述第一重心文本对应的目标集合中的任一文本；T_i为所述第一文本与所述第一重心文本之间的相似系数，α为预设系数，w_i为所述第一文本与所述第一重心文本之间的相似度，S为所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似度之和，α为大于0小于1的常数。

5.根据权利要求4所述方法，其特征在于，所述根据所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似系数，确定所述第一重心文本对应的相似文本集，包括：

将所述第一重心文本对应的目标集合中每个文本与所述第一重心文本之间的相似系数与阈值进行比较；

若第一文本与所述第一重心文本之间的相似系数大于阈值，则确定所述第一文本为相似文本；

确定所述第一重心文本对应的相似文本集，所述相似文本集包括相似文本。

6.一种文本聚类装置，其特征在于，所述装置包括：

聚类模块，用于根据N个重心文本，对多个文本进行聚类，确定N个分类簇，所述多个文本包括所述N个重心文本，一个重心文本用于指示一个聚类重心，N为正整数；

确定模块，用于确定每个重心文本的目标集合，以得到N个目标集合；对于第一重心文本，所述第一重心文本的目标集合包括所述多个文本中与第一重心文本之间的相似度大于预设值的文本，所述第一重心文本为所述N个重心文本中的任意一个；

确定模块，还用于确定所述N个目标集合中每个目标集合对应的相似文本集；

确定模块，还用于根据每个重心文本对应的分类簇和相似文本集，确定每个重心文本对应的文本聚类集合，一个文本聚类集合为一个分类簇与一个相似文本集之间的并集，所述文本聚类集合用于表征网络搜索结果。

7.根据权利要求6所述文本聚类装置，其特征在于，所述聚类模块，具体用于

基于优先队列，根据所述N个重心文本，对所述多个文本进行聚类，确定所述N个分类簇。