专利详情

专利名称	文本聚类方法
申请号	CN201310754063.1	专利类型	发明专利
公开（公告）号	CN103714171A	公开（授权）日	2014.04.09
申请（专利权）人	深圳先进技术研究院	发明（设计）人	蔡业首;陈小军;管婷婷;黄哲学
主分类号	G06F17/30(2006.01)I	IPC主分类号	G06F17/30(2006.01)I
专利有效期	文本聚类方法至文本聚类方法	法律状态	实质审查的生效
说明书摘要	一种文本聚类方法，用于对潜在狄利克雷分布模型的文档集进行文本挖掘，其至少包括如下步骤：在第一文档集D1中对预设了主题数量K的潜在狄利克雷分布算法进行训练，得到参数β和φ；根据参数φ，利用信息熵理论对所述第一文档集D1进行过滤，得到第二文档集D2；根据参数β，对第二文档集D2进行分组，生成包含分组信息的第三文档集D3；以及在第三文档集D3上运行FG-Kmeans算法，得到最终聚类的聚类中心集合C以及标记矩阵U。本发明提供的文本聚类方法，通过潜在狄利克雷分布模型对文本进行分组，再利用FG-Kmeans算法处理分组后的文本，很好地应对文本挖掘中数据的高维和稀疏的问题，而且把特征分组的概念引入了特征空间，使得特征空间包含的信息更为丰富。