[发明专利]一种快速文档聚类方法

摘要

本发明提供了一种快速文档聚类方法，它通过下述步骤实现：1.利用词频统计从每篇文档中抽取出一组关键词；2.将文档表示为其包含的关键词在特征空间上的相应维度的索引值的集合；3.将自组织映射模型中的神经元表示为特征空间上的向量；4.依次输入文档，并计算其与所有神经元之间的相似度；5.累加值最大的神经元为获胜神经元，其和其邻域的神经元向当前文档方向调整权值；6.在调整神经元与输入文档匹配的个别维的同时，对其他维的权值进行弱化；7.所有文档输入完毕后，结束。本发明利用自组织映射聚类模型，在文档量化表示和相似度计算等环节进行革新，使得在处理文档数目相同且聚类质量得以保持的情况下，计算效率获得大幅提升。

主权项

1、一种快速文档聚类方法，其特征在于它通过下述步骤实现：一、利用词频统计从每篇文档中抽取出一组关键词，用于代表该文的主要内容；二、通过一次扫描，利用抽取的所有文档的关键词构造特征向量空间，并将文档表示为其包含的关键词在特征空间上的相应维度的索引值的集合；三、将自组织映射模型中的神经元表示为特征空间上的向量；四、依次输入文档，并计算其与所有神经元之间的相似度；五、累加值最大的神经元为获胜神经元，其和其邻域的神经元向当前文档方向调整权值；六、在调整神经元与输入文档匹配的个别维的同时，对其他维的权值进行弱化，以防止其他主题的文档错误映射到该神经元上；七、所有文档输入完毕后，结束。