[发明专利]一种文本聚类方法、装置、设备及可读存储介质

权利要求书

1.一种文本聚类方法，其特征在于，应用于分布式集群中的服务器，包括：

获取待聚类的目标源文本；

采用最大概率法提取所述目标源文本中的文本特征，获得目标数据；

从自身缓存中读取预设的神经网络训练模型；

根据所述神经网络训练模型和神经网络算法，对所述目标数据进行聚类分析，并生成与所述目标源文本对应的文件族。

2.根据权利要求1所述的文本聚类方法，其特征在于，所述采用最大概率法提取所述目标源文本中的文本特征，获得目标数据，包括：

对所述目标源文件进行预处理，并从预处理后的目标源文本中提取文本分词，所述文本分词包括：数字、日期、名字和词性；

从所述文本分词中提取所述文本特征，并通过所述最大概率法确定出现概率最大的文本特征，所述文本特征包括：词权重、词频和逆文档频率。

3.根据权利要求1所述的文本聚类方法，其特征在于，所述神经网络训练模型的生成包括：

获取目标训练文本，并对所述目标训练文本进行归一化处理；

基于随机数，以及预设的连接值和阈值，对归一化处理后的目标训练文本进行稀疏逻辑回归，获得目标训练集合；

基于所述随机数，所述连接值和所述阈值迭代计算所述目标训练集合，生成所述神经网络训练模型。

4.根据权利要求1所述的文本聚类方法，其特征在于，所述生成与所述目标源文本对应的文件族，包括：

通过向量空间模型和向量间空间夹角的余弦值生成所述文件族。

5.根据权利要求1-4任意一项所述的文本聚类方法，其特征在于，所述生成与所述目标源文本对应的文件族之后，还包括：

将所述文件族进行可视化展示。

6.一种文本聚类装置，其特征在于，应用于分布式集群中的服务器，包括：

获取模块，用于获取待聚类的目标源文本；

提取模块，用于采用最大概率法提取所述目标源文本中的文本特征，获得目标数据；

读取模块，用于从自身缓存中读取预设的神经网络训练模型；

聚类模块，用于根据所述神经网络训练模型和神经网络算法，对所述目标数据进行聚类分析，并生成与所述目标源文本对应的文件族。

7.根据权利要求6所述的文本聚类装置，其特征在于，所述提取模块包括：

预处理单元，用于对所述目标源文件进行预处理，并从预处理后的目标源文本中提取文本分词，所述文本分词包括：数字、日期、名字和词性；

提取单元，用于从所述文本分词中提取所述文本特征，并通过所述最大概率法确定出现概率最大的文本特征，所述文本特征包括：词权重、词频和逆文档频率。

8.根据权利要求6所述的文本聚类装置，其特征在于，所述聚类模块具体用于：

通过向量空间模型和向量间空间夹角的余弦值生成所述文件族。

9.一种文本聚类设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1-5任意一项所述的文本聚类方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的文本聚类方法的步骤。