[发明专利]文本聚类方法和装置有效
| 申请号： | 201610539157.0 | 申请日： | 2016-07-11 |
| 公开（公告）号： | CN106202395B | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 白杨;张磊;朱频频 | 申请（专利权）人： | 上海智臻智能网络科技股份有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F17/27 |
| 代理公司： | 11505 北京布瑞知识产权代理有限公司 | 代理人： | 李浩 |
| 地址： | 201803 上海市嘉*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种文本聚类方法和装置，解决了现有技术中的文本聚类方式无法在依存句法层面上实现文本聚类的问题。该文本聚类方法包括：识别文本库的每个待聚类文本中词语之间的依存句法关系；将每个待聚类文本中存在的依存句法关系转化为句法编码；计算文本库中待聚类文本的句法编码之间的相似度；以及根据相似度的计算结果对文本库中的待聚类文本进行聚类。 | ||
| 搜索关键词： | 文本 方法 装置 | ||
【主权项】：
1.一种文本聚类方法，其特征在于，包括：/n识别文本库的每个待聚类文本中词语之间的依存句法关系；/n将每个待聚类文本中存在的依存句法关系转化为句法编码；/n计算文本库中不同待聚类文本的句法编码之间的相似度；以及/n根据相似度的计算结果对文本库中的待聚类文本进行聚类；/n其中，所述计算文本库中不同待聚类文本的句法编码之间的相似度包括：/n计算一个待聚类文本的句法编码与另一个待聚类文本的句法编码之间的编辑距离；/n根据所述编辑距离确定所述一个待聚类文本的句法编码与另一个待聚类文本的句法编码之间的相似度；/n当所述一个待聚类文本的句法编码与另一个待聚类文本的句法编码的字符长度相同时，所述一个待聚类文本的句法编码与另一个待聚类文本的句法编码之间的相似度＝1－编辑距离/其中任一个待聚类文本的句法编码的字符长度；/n当所述一个待聚类文本的句法编码与另一个待聚类文本的句法编码的字符长度不同时，所述一个待聚类文本的句法编码与另一个待聚类文本的句法编码之间的相似度＝1－编辑距离/所述一个待聚类文本与另一个待聚类文本的句法编码中较长的句法编码的字符长度；/n所述将每个待聚类文本中存在的依存句法关系转化为句法编码包括：/n将一个待聚类文本中存在的依存句法关系转化成依存句法树；以及/n根据所述依存句法树的M种树遍历方法将所述一个待聚类文本中存在的依存句法关系转化为M种句法编码，M为大于或等于2的整数；/n其中，所述计算文本库中待聚类文本的句法编码之间的相似度包括：/n计算一个待聚类文本与另一个待聚类文本的M个基于同一种树遍历方法得出的两个句法编码之间的编辑距离；/n根据每个所述编辑距离得出所述基于同一种树遍历方法得出的两个句法编码之间的相似度；以及/n将得到的M个所述相似度取平均值以作为所述一个待聚类文本与所述另一个待聚类文本之间的相似度。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海智臻智能网络科技股份有限公司，未经上海智臻智能网络科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610539157.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种计算机虚拟平台档案管理系统
- 下一篇：一种时间序列数据的可视化表示方法
