[发明专利]文献聚类、装置、电子设备及存储介质

说明书

本申请涉及人工智能技术领域，具体涉及一种文献聚类、装置、电子设备及存储介质。该方法包括：获取N篇待聚类文献，N为大于1的整数；确定所述N篇待聚类文献中任意两篇待聚类文献之间的共被引相似度；根据所述任意两篇待聚类文献之间的共被引相似度，对所述N篇待聚类文献进行第一次聚类，得到M个聚类簇，其中，所述M个聚类簇对应K篇待聚类文献，M为大于或等于1的整数，K为小于或等于N的整数；对剩余的(N‑K)篇待聚类文献进行第二次聚类，以将所述(N‑K)篇待聚类文献融合到所述M个聚类簇。本申请实施例有利于提高文献的聚类精度。

技术领域

本申请涉及人工智能技术领域，具体涉及一种文献聚类、装置、电子设备及存储介质。

背景技术

目前，使用基于引用关系的相似度，一般可以较好地度量文献主题之间的相似度，但是，为了对文献之间的相似度进行补充，引入了文献之间的文本相似度综合度量文献主题之间的相似度，即将多种指标放在同一空间度量文献主题的相似度；在度量出文献主题之间的相似度之后，可使用单一的聚类算法或者社团检测算法，将多篇文献进行聚类。

然而，引入了文本相似度之后，会使构成的聚类网络非常稠密，这样会使得聚类粒度变粗，降低了对文献的聚类精度。

发明内容

本申请实施例提供了一种文献聚类、装置、电子设备及存储介质，通过两次聚类，提高聚类精度。

第一方面，本申请实施例提供一种文献聚类方法，包括：

获取N篇待聚类文献，N为大于1的整数；

确定所述N篇待聚类文献中任意两篇待聚类文献之间的共被引相似度；

根据所述任意两篇待聚类文献之间的共被引相似度，对所述N篇待聚类文献进行第一次聚类，得到M个聚类簇，其中，所述M个聚类簇对应K篇待聚类文献，M为大于或等于1的整数，K为小于或等于N的整数；

对剩余的(N-K)篇待聚类文献进行第二次聚类，以将所述(N-K)篇待聚类文献融合到所述M个聚类簇。

第二方面，本申请实施例提供一种文献聚类装置，包括：

获取单元，用于获取N篇待聚类文献，N为大于1的整数；

处理单元，用于确定所述N篇待聚类文献中任意两篇待聚类文献之间的共被引相似度；

根据所述任意两篇待聚类文献之间的共被引相似度，对所述N篇待聚类文献进行第一次聚类，得到M个聚类簇，其中，所述M个聚类簇对应K篇待聚类文献，M为大于或等于1的整数，K为小于或等于N的整数；

对剩余的(N-K)篇待聚类文献进行第二次聚类，以将所述(N-K)篇待聚类文献融合到所述M个聚类簇。

第三方面，本申请实施例提供一种电子设备，包括：处理器，所述处理器与存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如第一方面所述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得计算机执行如第一方面所述的方法。

第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机可操作来使计算机执行如第一方面所述的方法。

实施本申请实施例，具有如下有益效果：

可以看出，在本申请实施例中，首先根据文献之间的共被引相似度对N篇聚类文献进行聚类，得到M个聚类簇，由于，使用共被引相似度能够得到比较精确的聚类簇，所以，该M个聚类簇的精度较高；然后，再不改变聚类粒度的情况下，将剩余未处于该M个聚类簇中的文献进行第二次聚类，融合到该M个聚类簇，从而不会降低聚类粒度，提高了聚类精度。