[发明专利]基于文本聚类的线上课堂讨论短文本即时分组方法及系统

摘要

本发明公开基于文本聚类的线上课堂讨论短文本即时分组方法及系统。该方法包括：对文本数据进行分词预处理和停用词预处理；获取各文本项关键词，统计存储于关键词表keyTable；对预处理后的文本集，进行频繁项集挖掘，过滤各子项准频繁项集，结合关键词表定义准频繁项集相似度计算规则，粗归簇；将各簇最靠近簇心的点逆映射到文本集，计算各簇内文本词集TF‑IDF值，按距离迭代更新质心至最优；将获取的K个簇，即时分组推送。本发明采用的结合关键词表定义准频繁项集相似度计算规则有效提高线上讨论短文本聚类准确度；采用准频繁项集过滤策略有效提高归簇效率，加速聚类方法；把线上课堂讨论过的文本信息内容，自动归纳成多个主题，并把文本内容按主题分组。

主权项

一种基于文本聚类的线上课堂讨论短文本即时分组方法，其特征在于，包括如下步骤的组合：S101、获取并存储线上课堂讨论短文本数据；S102、对文本数据，进行文本分词预处理和停用词预处理；S103、获取各文本项关键词，存储于关键词表统计表keyTable；S104、对预处理过后的文本集，进行频繁项集挖掘，过滤各子项的准频繁项集，结合关键词统计表定义准频繁项集相似度计算规则，粗归簇；S105、将各组最靠近簇心的点逆映射到文本集，计算各簇内文本词集TF‑IDF值，根据TF‑IDF提取文本的特征，获取文本特征向量；S106、计算各特征点到各簇簇心距离，划分到距离最近的簇，迭代更新质心至最优；S107、获取所述文本词汇特征向量的K个簇，即时分组推送各簇内容，按支持度降序排列。