[发明专利]文本聚类方法、装置及电子设备

摘要

本发明涉及一种文本聚类方法、装置及电子设备。该文本聚类方法，包括将多个不同主题的原始文档集合并为一个文档并集。将文档并集中的文档进行升序排列，得到升序文档并集。依次计算升序文档并集中的第一个文档与其之后的所有文档的相似度，若相似度大于或等于第一阈值，将该文档与该第一个文档归属于一类，若小于第一阈值，则将该文档记为未归类文档。依次执行升序文档并集中未归类文档中第一个文档与它之后的所有未归类文档的相似度计算及分类。该文本聚类方法、装置及电子设备避免了分词、特征提取等操作，步骤简单，准确率高，具备语言无关性，适用于各种语言的文本聚类。并且，聚类速度和精度可灵活调整，以满足不同的实际需求。

主权项

一种文本聚类方法，其特征在于，所述方法包括：将多个不同主题的原始文档集合并为一个文档并集；将所述文档并集中的文档进行升序排列，得到升序文档并集；依次计算所述升序文档并集中的第一个文档与所述第一个文档之后的所有文档的相似度，若计算出的相似度大于或等于第一阈值，将该文档与所述第一个文档归属于一类，若计算出的相似度小于所述第一阈值，则将该文档记为未归类文档；依次计算所述升序文档并集中未归类文档中第一个文档与该第一个文档之后的所有未归类文档的相似度，若计算出的相似度大于或等于所述第一阈值，将该未归类文档与所述未归类文档中第一个文档归属于一类，若计算出的相似度小于所述第一阈值，则跳过该未归类文档，直到完成所述升序文档并集中最后两个未归类文档的相似度计算及分类，从而得到多个初始聚类。