一种短文本框聚类方法、系统、设备及存储介质

授权

摘要

本发明涉及一种短文本框聚类方法、系统、设备及存储介质，该方法包括：对原始短文本进行预处理；提取短文本特征词；将短文本特征词转换为短文本特征向量；先初始化聚类中心，然后将聚类中心映射到LSH表中；再根据短文本到聚类中心的文本相似度，选择若干个候选类；根据哈希值选择短文本特征向量的簇集合；重新计算短文本特征向量的簇集合的新聚类中心；循环执行直到新聚类中心不再发生变化，输出文本聚类结果。本发明中，采用WMD‑IP距离作为文本相似度，考虑词向量的位置，这样便可更充分的利用词语的语义信息，减少中间计算过程的复杂度，提高短文本框聚类结果的精度。

基本信息

专利标题：

一种短文本框聚类方法、系统、设备及存储介质

专利标题（英）：

暂无

公开（公告）号：

CN112860898A

申请号：

CN202110279525.3

公开（公告）日：

2021-05-28

申请日：

2021-03-16

授权号：

CN112860898B

授权日：

2022-05-27

发明人：

王超俊何清刚魏玉良王凯王佰玲

申请人：

哈尔滨工业大学（威海）

申请人地址：

山东省威海市环翠区文化西路2号

代理机构：

济南金迪知识产权代理有限公司

代理人：

赵龙群

优先权：

CN202110279525.3

主分类号：

G06F16/35

IPC分类号：

G06F16/35 G06F40/216 G06F40/289 G06F40/30