[发明专利]一种文本聚类方法、装置、计算机设备及存储介质

说明书

本发明公开了一种文本聚类方法、装置、计算机设备及存储介质。该方法通过对待分类的文本序列进行预处理并得到对应的表征向量，根据表征向量将文本序列划分至不同的簇，其中每一文本序列对应簇内的一个节点；确认每一簇的当前质心，根据每一簇内的所有节点到自身簇的当前质心的距离，对所有节点进行排列并形成节点队列，并从节点队列中选出当前边缘节点队列；针对每一簇，执行判断是否扩充所述当前边缘节点队列和更换新质心的流程，直至确认最终的边缘节点队和最终质心。本发明通过深层次提取文本序列的特征后进行聚类操作，并通过不断的迭代更新，使得聚类结果具有更准确，收敛更快的优点。

技术领域

本发明涉及文本数据处理领域，尤其涉及一种文本聚类方法、装置、计算机设备及存储介质。

背景技术

目前，在机器学习实践中人们面对的往往是缺少标注的海量数据，使得有监督学习方法的应用受到了很大限制；而聚类方法可以让计算机自主根据样本特征学习，对于解决这类问题起到了很大帮助作用；在众多聚类方法中，K-Means(硬聚类算法)方法是最经典的一种，上手简单且效果好；但该方法在数据量很大时，需要消耗大量计算资源。

总体而言，K-Means方法易受到离群点或其他极端值影响；而现有技术针对该问题，大多基于文本的离散特征(TF-IDF)来作为聚类算法的输入，虽然简单易行，但未考虑单词上下文关联带来的隐含语义，实践中效果受到很大限制，从而导致聚类结果的准确性不高。

发明内容

本发明的目的是提供一种文本聚类方法、装置、计算机设备及存储介质，旨在解决现有聚类算法的聚类结果的准确性还有待提高的问题。

第一方面，本发明实施例提供了一种文本聚类方法，其包括：

对待分类的文本序列进行预处理并得到对应的表征向量，根据所述表征向量将所述文本序列划分至不同的簇，其中每一文本序列对应簇内的一个节点；

确认每一簇的当前质心，根据每一簇内的所有节点到自身簇的当前质心的距离，对所有节点进行排列并形成节点队列，并从所述节点队列中选出当前边缘节点队列；

针对每一簇，执行判断是否扩充所述当前边缘节点队列和更换新质心的流程，直至确认最终的边缘节点队和最终质心。

第二方面，本发明实施例提供了一种文本聚类机制的方法装置，其包括：

队列单元，用于确认每一簇的当前质心，根据每一簇内的所有节点到自身簇的当前质心的距离，对所有节点进行排列并形成节点队列，并从所述节点队列中选出当前边缘节点队列；

判断单元，用于针对每一簇，执行判断是否扩充所述当前边缘节点队列和更换新质心的流程，直至确认最终的边缘节点队和最终质心。

第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的文本聚类方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的文本聚类方法。

本发明实施例公开了公开了一种文本聚类方法、装置、计算机设备及存储介质。该方法通过对待分类的文本序列进行预处理并得到对应的表征向量，根据表征向量将文本序列划分至不同的簇，其中每一文本序列对应簇内的一个节点；确认每一簇的当前质心，根据每一簇内的所有节点到自身簇的当前质心的距离，对所有节点进行排列并形成节点队列，并从节点队列中选出当前边缘节点队列；针对每一簇，执行判断是否扩充所述当前边缘节点队列和更换新质心的流程，直至确认最终的边缘节点队和最终质心。本发明实施例通过深层次提取文本序列的特征后进行聚类操作，并通过不断的迭代更新，使得聚类结果具有更准确，收敛更快的优点。

附图说明