[发明专利]海量文本的低成本分类与聚类处理方法在审
| 申请号： | 201910599746.1 | 申请日： | 2019-07-04 |
| 公开（公告）号： | CN110377737A | 公开（公告）日： | 2019-10-25 |
| 发明（设计）人： | 陈泽勇;张治同;张莉;姚松 | 申请（专利权）人： | 成都迪普曼林信息技术有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06K9/62 |
| 代理公司： | 成都金英专利代理事务所(普通合伙) 51218 | 代理人： | 袁英 |
| 地址： | 610000 四川省成都市武侯区科华北路65*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 海量文本 聚类处理 向量表达 分类 语言模型 低成本 低维 聚类 主成分分析法 单服务器 输入向量 原始向量 高维 节约 | ||
【权利要求书】：
1.海量文本的低成本分类与聚类处理方法，其特征在于，包括以下步骤：
S1：通过预训练语言模型对海量文本输入进行语言模型预训练，得到海量文本的原始高维向量表达；
S2：通过PCA主成分分析法对所述原始向量表达进行提取，得到低维向量表达；
S3：将所述低维向量表达作为分类与聚类处理方法的输入向量，进行分类与聚类。
2.根据权利要求1所述的海量文本的低成本分类与聚类处理方法，其特征在于，步骤S1中，将海量文本作为训练样本，使用word2vector或BERT模型进行预训练。
3.根据权利要求1所述的海量文本的低成本分类与聚类处理方法，其特征在于，所述原始高维向量表达的维数大于200维。
4.根据权利要求1所述的海量文本的低成本分类与聚类处理方法，其特征在于，所述海量文本包括海量语料文本。
5.根据权利要求1所述的海量文本的低成本分类与聚类处理方法，其特征在于，对所述原始向量表达进行提取时，保留99%有效成分情况下的最大贡献数据维度及其具体数据。
6.根据权利要求5所述的海量文本的低成本分类与聚类处理方法，其特征在于，低维向量表达的维度小于100维。
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成都迪普曼林信息技术有限公司，未经成都迪普曼林信息技术有限公司许可，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/201910599746.1/1.html，转载请声明来源钻瓜专利网。
