[发明专利]一种文本聚类方法及装置

权利要求书

1.一种文本聚类方法，其特征在于，包括：

获取多个待聚类文本；

分别提取多个待聚类文本的关键词，并保存每个待聚类文本、与待聚类文本的关键词的对应关系；

根据所述对应关系，将多个待聚类文本进行聚类。

2.根据权利要求1所述的文本聚类方法，其特征在于，所述根据所述对应关系，将多个待聚类文本进行聚类，包括：

按照将具有相同关键词的不同待聚类文本划分为同一类别的过程，将多个待聚类文本划分为不同类别，完成多个待聚类文本的聚类；

其中，同一类别中所有待聚类文本具有的相同关键词，为所述类别的关键词标签，同一类别中所有待聚类文本，为所述类别的关键词标签对应的聚合文本。

3.根据权利要求2所述的文本聚类方法，其特征在于，所述方法还包括：

显示所有关键词标签。

4.根据权利要求3所述的文本聚类方法，其特征在于，所述方法还包括：

接收用户选择第一关键词标签的指令；

查找所述第一关键词标签对应的聚合文本；

向用户展示所述第一关键词标签对应的聚合文本。

5.根据权利要求1所述的文本聚类方法，其特征在于，所述提取多个待聚类文本的关键词，包括：

提取待聚类文本的标题的第一关键词；

将所述第一关键词，作为所述待聚类文本的关键词。

6.根据权利要求1所述的文本聚类方法，其特征在于，所述提取多个待聚类文本的关键词，包括：

分别计算每个待聚类文本中的所有词的词频，其中，所述词频表示词在待聚类文本中出现的次数；

分别计算每个待聚类文本中的所有词的逆文档频率，其中，所述逆文档频率是文档频率的倒数；

将每个词的所述词频与所述逆文档频率相乘，得到每个词的关键值；

分别将每个待聚类文本中关键值最大的词作为所述待聚类文本的关键词。

7.一种文本聚类装置，其特征在于，包括：

获取模块，用于获取多个待聚类文本；

提取模块，用于分别提取多个待聚类文本的关键词，并保存每个待聚类文本、与待聚类文本的关键词的对应关系；

聚类模块，用于根据所述对应关系，将多个待聚类文本进行聚类。

8.根据权利要求7所述的文本聚类装置，其特征在于，所述聚类模块具体用于，按照将具有相同关键词的不同待聚类文本划分为同一类别的过程，将多个待聚类文本划分为不同类别，完成多个待聚类文本的聚类；

其中，同一类别中所有待聚类文本具有的相同关键词，为所述类别的关键词标签，同一类别中所有待聚类文本，为所述类别的关键词标签对应的聚合文本。

9.根据权利要求8所述的文本聚类装置，其特征在于，所述装置还包括：

显示模块，用于显示所有关键词标签。

10.根据权利要求9所述的文本聚类装置，其特征在于，所述装置还包括：

接收模块，用于接收用户选择第一关键词标签的指令；

查找模块，用于查找所述第一关键词标签对应的聚合文本；

展示模块，用于向用户展示所述第一关键词标签对应的聚合文本。