[发明专利]基于交互式文档聚类的信息检索方法及系统

摘要

本发明提供一种基于交互式文档聚类的信息检索方法和系统，其步骤包括对文档集进行水平划分和预处理；进行词频统计，并将高频词组成特证词集合；生成文档的向量空间表示，计算文档间的距离并生成相似度矩阵；生成拉普拉斯矩阵，根据拉普拉斯矩阵的特征值间隔确定聚类数及表示矩阵，并进行二次聚类，得到初始距离结果；用户对初始聚类结果进行交互操作，使用卡方统计量挖掘新的特证词并重构向量空间，然后重复进行上述聚类过程；最后将聚类结果展示给用户，供用户获得不同类别的检索结果。本发明采用有用户介入的半监督学习方式，对文档进行聚类分析，供用户获得不同类别的检索结果。

主权项

一种基于交互式文档聚类的信息检索方法，其步骤包括：1)按时间段对存储的文档集进行水平划分和预处理；所述预处理包括：分词、词性标注、去停用词、标签提取；2)对预处理后的文档进行词频统计，并将高频词组成特证词集合；3)根据所述特证词集合生成文档的向量空间表示，进而计算文档间的距离并生成相似度矩阵；4)根据所述相似度矩阵生成拉普拉斯矩阵，并计算其特征值和特征向量；5)根据特征值间隔确定聚类数及表示矩阵，并对所述聚类数及表示矩阵进行二次聚类；6)用户对所述二次聚类的结果进行交互操作，使用卡方统计量挖掘新的特证词并添加至所述特证词集合，然后重复所述步骤3)至所述步骤5)；7)将聚类结果展示给用户，供用户进行选择并获得不同类别的检索结果。