一種短文本聚類(lèi)的方法、系統(tǒng)及其數(shù)據(jù)處理裝置

基本信息

申請(qǐng)?zhí)?/td> CN200910076791.5 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN101477563B 公開(kāi)（公告）日 2010-11-10
申請(qǐng)公布號(hào) CN101477563B 申請(qǐng)公布日 2010-11-10
分類(lèi)號(hào) G06F17/30(2006.01)I 分類(lèi) 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 劉文印;倪興良;張加龍 申請(qǐng)（專(zhuān)利權(quán)）人 廣東東華發(fā)思特軟件有限公司
代理機(jī)構(gòu) 北京律誠(chéng)同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 代理人 梁揮;祁建國(guó)
地址 100872 北京市海淀區(qū)中關(guān)村大街59號(hào)文化大廈1207F室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開(kāi)了一種短文本聚類(lèi)的方法、系統(tǒng)及其數(shù)據(jù)處理裝置。該方法執(zhí)行于一數(shù)據(jù)處理裝置中，用于針對(duì)給定的短文本集進(jìn)行聚類(lèi)，包括：步驟1，將該給定的短文本集中的所有短文本作為一個(gè)類(lèi)別；步驟2，從當(dāng)前的所有類(lèi)別中選擇一個(gè)類(lèi)別，從中尋找核心詞匯；步驟3，如果找到，根據(jù)是否包含該核心詞匯將所選擇的類(lèi)別分成兩類(lèi)，執(zhí)行步驟2；步驟4，如果沒(méi)找到，記錄并刪除該類(lèi)別，從剩余的類(lèi)別中選擇一個(gè)類(lèi)別，執(zhí)行步驟2，直至沒(méi)有剩余類(lèi)別為止，所記錄的類(lèi)別作為聚類(lèi)的結(jié)果。本發(fā)明以類(lèi)間相似度最小，類(lèi)內(nèi)相似度最大的方式，將短文本依照其內(nèi)在關(guān)聯(lián)關(guān)系進(jìn)行聚類(lèi)，使使用者在大量數(shù)據(jù)中快速定位所需求的數(shù)據(jù)。計(jì)算復(fù)雜度較低，計(jì)算效率高。