[发明专利]一种基于聚类算法的网络信息处理方法

说明书

本发明公开了一种基于聚类算法的网络信息处理方法，涉及信息处理技术领域。具体包括获取初始数据，设定所述初始数据的中心点，根据所述中心点将初始数据划分成至少两个初始簇；计算各初始簇中的数据与该初始簇的中心点之间的距离并形成距离矩阵，根据该距离矩阵获取数据相似性的权重；根据数据相似性的权重对参数进行调整和数据更新并生成新的簇。旨在自动对不完整的多数据形态信息将信息进行分类，以将缺少部分信息的同类数据融合在一起，以得到包含所有信息的数据，方便信息提取和应用。

技术领域

本发明涉及信息处理技术领域，特别涉及一种基于聚类算法的网络信息处理方法。

背景技术

随着网络时代的发展，网络上的信息在以一个越来越快速的速度增加，挖掘信息背后的含义对于企业愈发重要，企业需要从这些海量的信息中提炼出对企业发展的关键信息以使企业健康发展。

在这些海量的网络信息中，多数据形态信息这一能够从不同方面描述对象的数据越来越常见，比如一则新闻可以用多种不同国家的语言发表或一个网页需要用图片、文本、超链接和视频多种数据形态等进行展示等。多数据形态数据可以从不同侧面反映数据的不同特征，融合多数据形态数据的各个数据形态特征、互补学习隐藏在不同数据形态中的信息可以有效完成相关数据分析任务。

由于在实际生活中多数据形态数据经常会丢失特征，如何从这些不完整的多数据形态信息中提取全部内容，成为了亟待解决的技术难题。

发明内容

本发明的主要目的是提供一种基于聚类算法的网络信息处理方法，旨在自动对不完整的多数据形态信息进行分类，将信息进行分类，以将缺少部分信息的同类数据融合在一起，以得到包含所有信息的数据，方便信息提取和应用。

为了实现上述目的，本发明提出一种基于聚类算法的网络信息处理方法，包括

获取初始数据，设定所述初始数据的中心点，根据所述中心点将初始数据划分成至少两个初始簇；

计算各初始簇中的数据与该初始簇的中心点之间的距离并形成距离矩阵，根据该距离矩阵获取数据相似性的权重；

根据数据相似性的权重对参数进行调整和数据更新并生成新的簇。

在本申请的一实施例中，获取初始数据时还包括判断所述初始数据是否包括类型标签，当所述初始数据包括类型标签时，对应获取与所述类型标签相对应聚类模式对初始出具进行初始簇划分。

在本申请的一实施例中，当所述初始数据不包括类型标签时，获取初始数据中至少两个任意对象并根据选取的对象类型获取对应的聚类模式对初始数据进行初始簇划分。

在本申请的一实施例中，计算各初始簇中的数据与该初始簇的中心点之间的距离公式为：

其中，n_k为簇R_k中数据对象数量，n_j为簇R_j中数据对象数量，v表示初始数据中存在的数据形态，为第v个数据形态中的第k个中心点，为第v个数据形态中的第i个对象。

在本申请的一实施例中，数据相似性权重的计算公式为：

其中，为中间变量，exp：为指数函数。

在本申请的一实施例中，对数据更新包括：

获取各个簇中数据对象与中心点之间的最小距离，其中最小距离minD(x)的计算公式为：