[发明专利]文本的聚类方法、装置、处理器及电子设备

权利要求书

1.一种文本的聚类方法，其特征在于，包括：

对应用程序中的目标日志进行预处理，得到原始样本数据集，其中，所述目标日志中记录有所述应用程序运行过程中的错误信息；

从所述原始样本数据集中获取样本密度大于第一预设阈值的样本数据，得到第一样本数据集，其中，所述样本密度表示目标样本数据与其它样本数据的相似度大于第二预设阈值的样本数据的个数；

依据所述第一样本数据集中样本数据之间的相似度，获取初始质心，并依据所述第一样本数据集中样本数据之间的相似度更新所述第一样本数据集；

依据更新后的第一样本数据集中n个样本数据与所述初始质心的n个距离积，得到k个质心，其中，所述距离积表示更新后的第一样本数据集中的目标样本数据与所述初始质心中每个质心之间距离的乘积，k，n为正整数；

依据所述k个质心对所述原始样本数据集进行聚类，得到k类文本。

2.根据权利要求1所述的方法，其特征在于，依据更新后的第一样本数据集中n个样本数据与所述初始质心的n个距离积，得到k个质心包括：

将所述初始质心添加至质心集合中；

步骤S01，逐个计算所述更新后的第一样本数据集中每个样本数据与所述质心集合中的每个质心之间的距离积，得到距离积集合，其中，所述距离积集合中包括n个距离积；

步骤S02，从所述距离积集合中选取数值最大的距离积对应的样本数据作为第i个邻近样本，其中，i大于2，i是正整数；

步骤S03，获取与所述第i个邻近样本的相似度大于所述第二预设阈值的样本数据，得到第i样本簇，并从所述更新后的第一样本数据集中删除所述第i样本簇包含的样本数据，以更新所述第一样本数据集；

步骤S04，依据所述第i样本簇的中心样本，得到第i质心，并将所述第i质心添加至所述质心集合中，循环执行步骤S01至步骤S04，直到所述质心集合中质心的数量等于k，得到所述k个质心。

3.根据权利要求2所述的方法，其特征在于，逐个计算所述更新后的第一样本数据集中每个样本数据与所述质心集合中的每个质心之间的距离积，得到距离积集合包括：

计算所述更新后的第一样本数据集中n个样本数据与所述质心集合包含的m个质心的距离，得到每个样本数据对应的m个距离，其中，m为正整数；

分别计算每个样本数据对应的m个距离的积，得到n个样本数据的距离积；

由所述更新后的第一样本数据集中n个样本数据的距离积得到所述距离积集合。

4.根据权利要求2所述的方法，其特征在于，依据所述第i样本簇的中心样本，得到第i质心包括：

计算所述第i样本簇中多个样本数据的平均值，得到所述第i样本簇的中心样本；

将所述第i样本簇的中心样本作为所述第i质心。

5.根据权利要求1所述的方法，其特征在于，依据所述第一样本数据集中样本数据之间的相似度，获取初始质心，并依据所述第一样本数据集中样本数据之间的相似度更新所述第一样本数据集包括：

从所述第一样本数据集中随机选取一个样本数据作为第一邻近样本；

在所述第一样本数据集中获取与所述第一邻近样本的相似度大于或等于所述第二预设阈值的样本数据，得到第一样本簇，并从所述第一样本数据集中删除所述第一样本簇包含的样本数据，以更新所述第一样本数据集；

依据所述第一样本簇的中心样本，得到第一质心；

从所述更新后的第一样本数据集中选取距离所述第一质心最远的样本数据，作为第二邻近样本；

从所述更新后的第一样本数据集中获取与所述第二邻近样本的相似度大于或等于所述第二预设阈值的样本数据，得到第二样本簇，并从所述更新后的第一样本数据集中删除所述第二样本簇包含的样本数据，以更新所述第一样本数据集；

依据所述第二样本簇的中心样本，得到第二质心；

将所述第一质心和所述第二质心确定为所述初始质心。