一種基于主題詞語義相似度的話題聚類方法

基本信息

申請?zhí)?/td> CN202011576986.9 申請日 -
公開（公告）號 CN114691861A 公開（公告）日 2022-07-01
申請公布號 CN114691861A 申請公布日 2022-07-01
分類號 G06F16/35（2019.01）I;G06F40/194（2020.01）I;G06F40/289（2020.01）I;G06F40/30（2020.01）I 分類 計算；推算；計數(shù);
發(fā)明人 姜衛(wèi)平;白冰;趙崟江;郭忠武;馮慧 申請（專利權(quán)）人 北京市博匯科技股份有限公司
代理機構(gòu) 北京弘權(quán)知識產(chǎn)權(quán)代理有限公司 代理人 -
地址 100094北京市海淀區(qū)永豐產(chǎn)業(yè)基地豐賢中路7號孵化樓B座501
法律狀態(tài) -

摘要

摘要 本申請公開了一種基于主題詞語義相似度的話題聚類方法，該方法對每個原始標(biāo)題進(jìn)行預(yù)處理，獲取待聚類標(biāo)題集合，然后提取目標(biāo)待聚類標(biāo)題對應(yīng)的多個主題詞，根據(jù)預(yù)設(shè)的排除詞集合及每個待聚類標(biāo)題對應(yīng)的多個主題詞，生成主題集合，對主題集合中的任一主題對象進(jìn)行文本數(shù)字化處理，獲取主題向量化集合，針對目標(biāo)主題向量化對象，從主題向量化集合中篩選出相似的主題向量化對象，并將目標(biāo)主題向量化對象與相似的主題向量化對象作為同種話題實現(xiàn)聚類。上述方法在針對大量網(wǎng)絡(luò)文本數(shù)據(jù)時，不需要指定K值，通過提取主題詞，然后計算相似度，便可以實現(xiàn)話題聚類，且能夠保證聚類的主題相似，話題相近，具有覆蓋范圍大，計算復(fù)雜度低的優(yōu)點。