公开(公告)号：CN116992026A

公开(公告)日：2023-11-03

申请号：CN202310859085.8

申请日：2023-07-12

申请人： 华南师范大学

发明人： 丁若飞 ,  郑云翔 ,  吴晓敏 ,  陈舒敏 ,  黄景修 ,  邱照宜 ,  李奕晨

IPC分类号： G06F16/35 ,  G06F16/332 ,  G06F16/33 ,  G06F18/23213 ,  G06F40/289 ,  G06F40/30 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/006

摘要： 本发明公开了一种文本聚类方法、装置、电子设备及存储介质，方法：获取目标语料数据，预处理后得到目标文本数据；对目标文本数据进行向量化处理，获得第一句向量矩阵；并对第一句向量矩阵进行降维处理，获得第二句向量矩阵；根据目标文本数据构建词汇库，对词汇库进行主题建模，获得概率矩阵；对第二句向量矩阵和概率矩阵进行拼接处理，获得目标矩阵；根据目标矩阵，拟合得到目标聚类质心，基于目标聚类质心进行文本聚类，得到文本聚类结果。本发明能够缓解主题聚类忽略文本的上下文信息的问题，同时也能捕捉到长尾词汇对语义的作用，能减少噪声与异常值的影响；并且能提高聚类的精度，从而提高对文本聚类的效果，可广泛应用于数据处理技术领域。