[发明专利]一种文本聚类方法及系统在审
| 申请号： | 201710196800.9 | 申请日： | 2017-03-29 |
| 公开（公告）号： | CN107103043A | 公开（公告）日： | 2017-08-29 |
| 发明（设计）人： | 王甲樑;孙玉权;夏耘海 | 申请（专利权）人： | 国信优易数据有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/62 |
| 代理公司： | 北京青松知识产权代理事务所(特殊普通合伙)11384 | 代理人： | 郑青松 |
| 地址： | 100070 北京市丰台区南*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种文本聚类方法及系统。本发明提供的文本聚类方法通过获取的大数据进行挖掘聚类，从而确定与核心主题相关的关键词，能够减少主观判断成分，增强对核心主题理解的准确性，具有科学性、典型性和普遍性。 | ||
| 搜索关键词： | 一种 文本 方法 系统 | ||
【主权项】：
一种文本聚类方法，其特征在于，包括：S100：数据获取基于选取的关键词在选取的爬取网站上爬取相关数据文档；S200：数据清洗对爬取的文档进行去重处理，去掉标题相同或者内容相同的文档，以及将剩余的文档按照文档篇幅进行筛选，去掉小于最小字数阈值和大于最大字数阈值以及与指定主题内容不相关的文档；S300：向量特征提取对数据清洗后的所有文档进行分词处理并在每篇文档中提取K个词汇作为文本聚类的向量特征；S400：词条矩阵建立基于提取的向量特征，对所有文档建立词条矩阵；S500：文本聚类利用预设的聚类方法对文档进行聚类；S600：聚类结果分析将聚类后的每一类的文档打散重新计算词频，提取每类词频数最高的N个词生成预定表格，以确定每类文档的主题。
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国信优易数据有限公司，未经国信优易数据有限公司许可，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/201710196800.9/，转载请声明来源钻瓜专利网。
- 上一篇：信息处理方法及电子设备
- 下一篇：一种基于电子地图的圈地方法及系统
