[发明专利]对文档进行聚类的方法和装置

摘要

本发明提供一种对文档进行聚类的方法和装置。该方法包括步骤A、对文档分别进行矢量化，其中，每篇文档在矢量化后对应多维空间中的一个文档坐标；步骤B、将多个文档坐标聚为两个簇并分别获取每个簇在多维空间中的几何中心；步骤C、分别计算每个簇的平均半径，并在平均半径满足预设条件时，将两个簇中的文档坐标对应的文档聚为一个不可分裂的类，在平均半径不满足预设条件时，将两个簇分别对应为两个可分裂的类，其中，平均半径为簇中所有文档坐标到几何中心的距离的平均值；步骤D、在每个可分裂的类中，再次执行步骤B和步骤C；以及步骤E、当每篇文档都属于不可分裂的类时，终止聚类。通过本发明，提高了对文档进行聚类的准确性和智能性。

主权项

一种对文档进行聚类的方法，其特征在于，包括：步骤A、对所述文档分别进行矢量化，其中，每篇文档在矢量化后对应多维空间中的一个文档坐标；步骤B、将多个所述文档坐标聚为两个簇并分别获取每个簇在所述多维空间中的几何中心；步骤C、分别计算所述每个簇的平均半径，并在所述平均半径满足预设条件时，将所述两个簇中的所述文档坐标对应的文档聚为一个不可分裂的类，在所述平均半径不满足预设条件时，将所述两个簇分别对应为两个可分裂的类，其中，所述平均半径为所述簇中所有文档坐标到所述几何中心的距离的平均值；步骤D、在所述每个可分裂的类中，再次执行所述步骤B和所述步骤C；以及步骤E、当每篇文档都属于不可分裂的类时，终止聚类；在步骤B与步骤C之间，还包括：步骤I、将每个所述文档坐标与所述两个几何中心进行比较，并将其与所述两个几何中心中距其距离短的几何中心聚为一个新一代的簇；步骤J、获取每个所述新一代的簇在所述多维空间中的几何中心，当相邻两代的簇的几何中心的距离差值不满足预设的阈值时，重复步骤J，当相邻两代的簇的几何中心的距离差值满足预设的阈值时，执行步骤C。