[发明专利]基于主成分聚类的文本信息挖掘方法及装置有效

专利信息
申请号: 201410857134.5 申请日: 2014-12-30
公开(公告)号: CN104462607B 公开(公告)日: 2018-01-23
发明(设计)人: 余宇新 申请(专利权)人: 余宇新
主分类号: G06F17/30 分类号: G06F17/30
代理公司: 暂无信息 代理人: 暂无信息
地址: 200433 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 成分 文本 信息 挖掘 方法 装置
【权利要求书】:

1.一种基于主成分聚类的文本信息挖掘方法,包括以下步骤:

由语句集中提取词语,并统计所述词语的词频;

提取词频最大的n个词语,并统计所述n个词语中每个词语在语句集的每个语句中与其余词语的共现次数;

在所述n个词语中提取链接总数最多的q个词语,生成观测数据矩阵,其中所述链接总数为每个词语与其余词语的共现次数的总数,所述观测数据矩阵的矩阵元素为所述q个词语对应的共现次数,其中q≤n;

对观测数据矩阵进行主成分聚类分析,获得聚类结果;

将所述聚类结果与对应的词语以及词频匹配,获得文本信息挖掘的结果;

其特征在于,在将所述聚类结果与对应的词语以及词频匹配之后,还包括:

若所述聚类结果的主成分仅有一个,则在所述词频最大的n个词语中选取至少一个词语,将选取的所述词语在共现次数统计中去除,重新提取链接总数最多的q个词语,生成观测数据矩阵。

2.根据权利要求1所述的基于主成分聚类的文本信息挖掘方法,其特征在于,提取词频最大的n个词语,并统计所述n个词语中每个词语在语句集的每个语句中与其余词语的共现次数,包括:

根据词频对所述词语进行排序,选取词频最大的n个词语;

统计所述n个词语中每个词语在语句集的每个语句中与其余词语的共现次数,构建n个词语的共现矩阵D,

其中,dij=0(i=j),dij表示词语i和词语j的共现次数。

3.根据权利要求1所述的基于主成分聚类的文本信息挖掘方法,其特征在于,在所述n个词语中提取链接总数最多的q个词语,生成观测数据矩阵,包括:

获取每个词语的链接总数;

根据所述链接总数确定第一阈值;

提取链接总数高于所述第一阈值的q个词语,生成观测数据矩阵。

4.根据权利要求1所述的基于主成分聚类的文本信息挖掘方法,其特征在于,在将所述聚类结果与对应的词语以及词频匹配之后,还包括:

获取主成分的各个构成变量的相关系数;

选取相关系数高于第二阈值的所述主成分的构成变量,得到最终的文本信息挖掘的结果。

5.一种基于主成分聚类的文本信息挖掘装置,包括:样本提取模块,用于由语句集中提取词语,并统计所述词语的词频;

共现统计模块,用于提取词频最大的n个词语,并统计所述n个词语中每个词语在语句集的每个语句中与其余词语的共现次数;

数据处理模块,用于在所述n个词语中提取链接总数最多的q个词语,生成观测数据矩阵,其中所述链接总数为每个词语与其余词语的共现次数的总数,所述观测数据矩阵的矩阵元素为所述q个词语对应的共现次数,其中q≤n;

聚类分析模块,用于对观测数据矩阵进行主成分聚类分析,获得聚类结果;

匹配处理模块,将所述聚类结果与对应的词语以及词频匹配,获得文本信息挖掘的结果;

其特征在于,所述匹配处理模块,还用于在将所述聚类结果与对应的词语以及词频匹配之后,确定所述聚类结果的主成分仅有一个;

所述共现统计模块,还用于在所述聚类结果的主成分仅有一个时,在所述词频最大的n个词语中选取至少一个词语,将选取的所述词语在共现次数统计中去除;

数据处理模块,还用于重新提取链接总数最多的q个词语,生成观测数据矩阵。

6.根据权利要求5所述的基于主成分聚类的文本信息挖掘装置,其特征在于,所述共现统计模块,具体用于:

根据词频对所述词语进行排序,选取词频最大的n个词语;

统计所述n个词语中每个词语在语句集的每个语句中与其余词语的共现次数,构建n个词语的共现矩阵D,

其中,dij=0(i=j),dij表示词语i和词语j的共现次数。

7.根据权利要求5所述的基于主成分聚类的文本信息挖掘装置,其特征在于,所述数据处理模块,具体用于:

获取每个词语的链接总数;

根据所述链接总数确定第一阈值;

提取链接总数高于所述第一阈值的q个词语,生成观测数据矩阵。

8.根据权利要求5所述的基于主成分聚类的文本信息挖掘装置,其特征在于,所述匹配处理模块,还用于:

在将所述聚类结果与对应的词语以及词频匹配之后,获取主成分的各个构成变量的相关系数;

选取相关系数高于第二阈值的所述主成分的构成变量,得到最终的文本信息挖掘的结果。

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余宇新,未经余宇新许可,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/pat/books/201410857134.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top