[发明专利]一种基于分类效用的文本聚类方法及其系统在审
| 申请号： | 201811331547.4 | 申请日： | 2018-11-09 |
| 公开（公告）号： | CN109614484A | 公开（公告）日： | 2019-04-12 |
| 发明（设计）人： | 蔡毅;徐静云;闵华清 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 刘巧霞 |
| 地址： | 510640 广*** | 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： | 本发明公开了一种基于分类效用的文本聚类方法，包括：(1)对输入数据集进行预处理；(2)将文本转化为特征向量；(3)计算两两向量之间的夹角余弦值，比较两者的相似度；(4)选择相似度最高的两个类进行合并，计算新类与其他类的相似度；(5)计算合并后分类效用的值，并将该值与合并后的聚类结果分别存储在两个列表中；(6)重复步骤(4)和(5)，直至聚类个数为1或者任意两个类之间相似度为0；(7)找到分类效用的最大值，输出该值所对应的聚类结果；(8)对文本进行第二次聚类，输出分类效用值最大时所对应的聚类结果。本发明具有使得机器对数据的处理过程更加符合人类的认知、帮助用户挖掘潜在知识规律的优点。 | ||
| 搜索关键词： | 相似度 聚类结果 分类 文本聚类 聚类 合并 预处理 输入数据集 夹角余弦 潜在知识 特征向量 文本转化 用户挖掘 输出 向量 新类 存储 认知 文本 重复 帮助 | ||
【主权项】：
1.一种基于分类效用的文本聚类方法，其特征在于，具体步骤包括：(1)输入文本数据集，对文本数据集进行预处理；(2)使用无监督的特征选择和特征权重计算方法，将文本转化为特征向量；(3)计算两两向量之间的夹角余弦值，根据所得结果比较相应两两文本间的相似度，并将其存储在相似度矩阵中；(4)根据相似度矩阵，选择相似度最高的两个类进行合并，用这两个类的向量的均值来表示合并后的新类，计算新类与其他类的相似度，更新相似度矩阵；(5)计算合并后分类效用的值，并将该值与合并后的聚类结果分别存储在两个列表中；(6)重复步骤(4)和(5)，直至聚类个数为1或者任意两个类之间相似度为0时，停止聚类；(7)从分类效用值的存储列表中找到分类效用的最大值，输出该值所对应的聚类结果；(8)根据第一次聚类得到的类别信息，使用有监督的方法重新处理文本，用相同的方法对文本进行第二次聚类，输出分类效用值最大时所对应的聚类结果。
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华南理工大学，未经华南理工大学许可，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/201811331547.4/，转载请声明来源钻瓜专利网。
