[发明专利]针对短文本的数据挖掘方法及系统

摘要

本发明涉及针对短文本的数据挖掘方法，包括：对第一短文本集合进行预处理以提取第一语料；基于第一语料来构建第一词向量模型，以使得每个短文本对应于至少一个词向量；确定多个短文本各自的词向量统计信息，利用第一聚类方法对多个短文本进行聚类以得到第一聚类结果；对每一类，确定该类中包括的至少一个短文本各自对应的至少一个词向量，并基于各词向量的词频信息来确定该类的至少一个关键词；对第一聚类结果，将至少一个关键词之间的重叠量满足第一条件的不同类进行合并。该方法能够克服聚类个数难以确定的问题，显著提升了聚类的准确性，使得聚类结果更符合技术人员预期。

主权项

1.一种针对短文本的数据挖掘方法，包括如下步骤：a)、对第一短文本集合进行预处理以提取第一语料；其中，所述第一短文本集合包括多个短文本；b)、基于所述第一语料来构建第一词向量模型，以使得每个所述短文本对应于至少一个词向量；c)、确定所述多个短文本各自的词向量统计信息，利用第一聚类方法对所述多个短文本进行聚类以得到第一聚类结果，所述第一聚类结果中的每一类包括至少一个所述短文本；d)、对所述每一类，确定该类中包括的所述至少一个短文本各自对应的所述至少一个词向量，并基于各所述词向量的词频信息来确定该类的至少一个关键词；以及e)、对所述第一聚类结果，将所述至少一个关键词之间的重叠量满足第一条件的不同类进行合并，以形成第二聚类结果。