[发明专利]基于主成分聚类的文本信息挖掘方法及装置

摘要

本发明涉及文本信息处理领域，特别涉及一种基于主成分聚类的文本信息挖掘方法及装置，用以解决现有技术处理得到的信息有效性不高的问题。本发明实施例中，通过统计词语的之间的共现次数，以此得到每个词语与其它词语的链接总数，然后基于该链接总数来确定中心特征较强的词语，由此构建观测数据矩阵，在此基础上采用主成分聚类的方式对该矩阵进行处理，并将得到的聚类结果与对应的词语以及词频匹配，最终获得文本信息挖掘的结果。

主权项

一种基于主成分聚类的文本信息挖掘方法，包括以下步骤：由语句集中提取词语，并统计所述词语的词频；提取词频最大的n个词语，并统计所述n个词语中每个词语在语句集的每个语句中与其余词语的共现次数；在所述n个词语中提取链接总数最多的q个词语，生成观测数据矩阵，其中所述链接总数为每个词语与其余词语的共现次数的总数，所述观测数据矩阵的矩阵元素为所述q个词语对应的共现次数，其中q≤n；对观测数据矩阵进行主成分聚类分析，获得聚类结果；将所述聚类结果与对应的词语以及词频匹配，获得文本信息挖掘的结果；其特征在于，在将所述聚类结果与对应的词语以及词频匹配之后，还包括：若所述聚类结果的主成分仅有一个，则在所述词频最大的n个词语中选取至少一个词语，将选取的所述词语在共现次数统计中去除，重新提取链接总数最多的q个词语，生成观测数据矩阵。