[发明专利]一种基于词向量语义分析的海量短文本聚类方法在审
| 申请号： | 201611018402.X | 申请日： | 2016-11-03 |
| 公开（公告）号： | CN106776713A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 缪伟宏;潘嵘 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/27 |
| 代理公司： | 广州粤高专利商标代理有限公司44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于词向量语义分析的海量短文本聚类方法，该方法针对海量短文本提供一种基于词向量语义分析的聚类方法。首先利用使用海量文本数据进行word2vec的训练，将文本单词映射到256维的向量空间，然后对需要聚类的文本进行单词tfidf值的计算作为权重，将预处理后的文本进行加权求和，将短文本的向量化，相对于传统的tfidf模型，加入了word2vec训练好的词向量语义信息。得到更高质量的“文本向量”，从而提高聚类效果，采用大数据实时流处理框架Spark进行K‑means或Dbscan算法进行聚类，加速得到聚类结果。 | ||
| 搜索关键词： | 一种 基于 向量 语义 分析 海量 文本 方法 | ||
【主权项】：
一种基于词向量语义分析的海量短文本聚类方法，其特征在于，包括以下步骤：S1：收集海量文本数据，并对每一文本数据进行预处理；S2：对预处理后的文本进行word2vec模型训练得到词向量模型；S3：将待处理的文本利用得到的词向量模型处理得到该待处理的文本的向量；S4：对待处理的文本的向量利用K‑Means聚类算法或Dbscan聚类算法进行聚类处理得到聚类结果。
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中山大学，未经中山大学许可，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/201611018402.X/，转载请声明来源钻瓜专利网。
