[发明专利]文本聚类方法及系统、电子设备和存储介质

权利要求书

1.一种文本聚类方法，其特征在于，包括：

基于目标待聚类文本和聚类中心，确定所述目标待聚类文本和所述聚类中心的文本相似度；

基于所述文本相似度，根据中国餐馆过程算法，确定所述目标待聚类文本的目标类别；

基于所述目标类别对所述目标待聚类文本进行聚类，确定目标聚类结果。

2.根据权利要求1所述的文本聚类方法，其特征在于，所述基于目标待聚类文本和聚类中心，确定所述目标待聚类文本和所述聚类中心的文本相似度的步骤之前，还包括：

确定文本类别的文本数量，判断文本类别的文本数量是否小于预设第一文本数量阈值；

若确定存在第一文本类别的文本数量小于预设文本数量阈值，则将所述第一文本类别对应的第一聚类中心删除。

3.根据权利要求2所述的文本聚类方法，其特征在于，所述基于目标待聚类文本和聚类中心，确定所述目标待聚类文本和所述聚类中心的文本相似度的步骤之前，还包括：

确定所述第一文本类别的产生时间，判断所述第一文本类别是否满足预设时间条件；

若确定所述第一文本类别满足预设时间条件，则在确定第一文本类别的文本数量小于预设第一文本数量阈值时，将所述第一文本类别对应的第一聚类中心删除；

若确定所述第一文本类别不满足预设时间条件，则在确定第一文本类别的文本数量小于第二预设文本数量阈值时，将所述第一文本类别对应的第一聚类中心删除。

4.根据权利要求1所述的文本聚类方法，其特征在于，所述基于目标待聚类文本和聚类中心，确定所述目标待聚类文本和所述聚类中心的文本相似度，具体包括：

基于所述目标待聚类文本，确定所述目标待聚类文本的关键词；

将所述目标待聚类文本的关键词与所有聚类中心的关键词进行比较，确定目标聚类中心集合；其中，所述目标聚类中心集合包括目标聚类中心；所述目标聚类中心的关键词与所述目标待聚类文本的关键词存在重复；

计算所述目标待聚类文本和所述目标聚类中心的文本相似度。

5.根据权利要求1-4任一项所述的文本聚类方法，其特征在于，所述基于所述文本相似度，根据中国餐馆过程算法，确定所述目标待聚类文本的目标类别，具体包括：

根据中国餐馆过程算法，依次判断每一个聚类中心与所述目标待聚类文本对应的文本相似度是否满足预设相似度条件；

若确定存在第二聚类中心与所述目标待聚类文本对应的文本相似度满足预设相似度条件，则将所述第二聚类中心所在的类别作为所述目标类别；

若确定所有的聚类中心与所述目标待聚类文本对应的文本相似度均不满足预设相似度条件，则生成一个新的类别作为所述目标类别。

6.根据权利要求5所述的文本聚类方法，其特征在于，在所述基于所述目标类别对所述目标待聚类文本进行聚类，确定目标聚类结果的步骤之后，还包括；

检测是否存在新的待聚类文本，若确定存在新的待聚类文本，将所述新的待聚类文本作为目标待聚类文本；

重复执行所述文本聚类方法的步骤，直至确定不存在新的待聚类文本。

7.根据权利要求5所述的文本聚类方法，其特征在于，所述文本相似度包括：关键词相似度、字符相似度、句向量相似度和字符串相似度中的任意一项或多项；

其中，所述关键词相似度是基于所述目标待聚类文本的关键词和所述聚类中心的关键词确定的；所述字符相似度是基于所述目标待聚类文本和所述聚类中心重复字符数量确定的；所述句向量相似度是基于所述目标待聚类文本的词向量和所述聚类中心的词向量，根据相似度计算公式确定的；所述字符串相似度为所述目标待聚类文本和所述聚类中心的辑距离。