[发明专利]对多个稿件进行聚类的方法和设备

摘要

本申请涉及对多个稿件进行聚类的方法和设备。该方法包括：根据新闻分类法的分类建立稿件分类空间，其中，稿件分类空间是指以新闻分类法所划分的类别作为维度建立的空间；提取每个稿件中的关键词；根据提取的关键词的频率建立稿件坐标，从而将每个稿件映射为稿件分类空间中的点；计算稿件之间的距离，将距离小于距离阈值的稿件确定为一类。通过本申请的方法，能够对大量的新闻稿件自动进行聚类，节省了人力。

主权项

1.一种对多个稿件进行聚类的方法，包括：根据新闻分类法的分类建立稿件分类空间，其中，所述稿件分类空间是指以所述新闻分类法所划分的类别作为维度建立的空间；提取每个稿件中的关键词；将提取的关键词归属至根据新闻分类法的每个分类，计算该分类中的所有关键词在稿件中出现的频率和，并将该频率和作为稿件在该分类所对应的稿件分类空间的维度上的值以建立稿件坐标，从而将每个稿件映射为稿件分类空间中的点；计算所述多个稿件中的第一稿件所映射的点在稿件分类空间中分别与其他稿件所映射的点之间的距离，确定所计算出的距离中是否存在小于预定的第一距离阈值的值；以及如果存在，则将小于所述第一距离阈值的值所对应的稿件确定为和所述第一稿件属于相同的第一类。