一种搜索引擎中基于类中心压缩变换的文本聚类方法

发明专利有效专利

申请号：
CN201210447277.X
IPC分类号：G06F17/30
申请日期：
2012-11-09
申请人：
北京航空航天大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种搜索引擎中基于类中心压缩变换的文本聚类方法
申请号	CN201210447277.X	申请日期	2012-11-09
法律状态	暂无	申报国家	暂无
公开/公告日	2013-03-06	公开/公告号	CN102955857A
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0查看分类表>
申请人	北京航空航天大学	申请人地址	广东省珠海市香洲区唐家湾金唐路1号港湾1号科创园8栋5楼变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	珠海市颢腾智胜科技有限公司	当前权利人	珠海市颢腾智胜科技有限公司
发明人	欧阳元新;袁满;谢舒翼;刘文琦;熊璋
代理机构	北京科迪生专利代理有限责任公司	代理人	杨学明;顾炜

摘要

本发明公开了一种搜索引擎中基于类中心压缩变换的文本聚类方法，该方法利用改进的tf-idf公式计算文本集中每个文档的词汇权重，计算初始类中心，挖掘同义词组和共现高频词组，计算词汇中心，依据初始类中心与各文档的相似度进行初次分类；根据标题词汇，文章长度，同义词，共现关联词等信息，压缩中心词汇，使得同一个词汇只出现在与其相似高的一些类中心里，利用新的聚类中心对文档集进行重新聚类。计算每个类的核心相似度，对最大的类进行分裂，对较小的类进行合并以产生新的类。对压缩，聚类，分裂操作进行迭代，直到类的个数收敛，且同一个类中的文本与类中心相似度到达一定阈值。本发明聚类精度明显高于传统的KMeans，DBSCAN等方法。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供