[发明专利]一种基于度量学习的多维度文本聚类方法有效
| 申请号： | 201910785197.7 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110516068B | 公开（公告）日： | 2023-05-26 |
| 发明（设计）人： | 黄瑞章;白瑞娜;秦永彬;陈艳平 | 申请（专利权）人： | 贵州大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35 |
| 代理公司： | 贵阳中新专利商标事务所 52100 | 代理人： | 吴无惧 |
| 地址： | 550025 贵州省贵*** | 国省代码： | 贵州;52 |
| 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度量学习的多维度文本聚类方法，它主要包括以下步骤：一从数据集中选取两个维度并进行特征向量化表示；二使用K‑Means聚类方法并结合度量矩阵学习分别对两个维度进行初始化聚类；三判断当前的聚类结果是否达到结束条件，若不满足则设置约束对上限常数执行步骤四，否则结束算法，输出聚类结果辅助下游任务；四利用当前维度的聚类结果挑选满足条件的约束对；五将步骤四所生成的约束集合加入到维度的聚类过程中，调节目标函数和度量矩阵的学习，得到两个维度的聚类结果；六重复迭代步骤三至步骤五。此方法基于度量学习的多维度文本聚类算法综合考虑数据在不同特征空间的表现方式，进行多维度辅助聚类，有较好的聚类效果。 | ||
| 搜索关键词： | 一种 基于 度量 学习 多维 文本 方法 | ||
【主权项】：
1.一种基于度量学习的多维度文本聚类方法，其特征在于：所述方法包括如下步骤：/n步骤一：从数据集中选取两个维度，记作：维度A和维度B，并进行特征向量化表示；/n步骤二：使用K-Means聚类方法并结合度量矩阵学习分别对A、B两个维度进行初始化聚类；/n步骤三：判断当前的聚类结果是否达到终止条件，若不满足则设置约束对上限常数时执行步骤四，否则结束算法，输出聚类结果辅助下游任务；/n步骤四：利用当前A、B维度的聚类结果为A，B维度挑选满足条件的约束对，且不超过步骤三给定的约束对上限，分别构成A维度的约束集合MA，B维度的约束集合MB；/n步骤五：将步骤四所生成的约束集合MA加入到A维度的聚类过程中，调节目标函数和度量矩阵的学习，同理也将MB利用到对B维度的聚类过程，得到两个维度的聚类结果；/n步骤六：重复迭代步骤三～步骤五。/n
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贵州大学，未经贵州大学许可，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/201910785197.7/，转载请声明来源钻瓜专利网。
