[發(fā)明專利]一種文本聚類元學(xué)習(xí)方法及裝置

有效

• 申請?zhí)枺?/td>: 200710117752.6
• 申請日: 2007-06-22
• 公開（公告）號: CN101079072A
• 公開（公告）日: 2007-11-28
• 發(fā)明（設(shè)計）人: 向繼;夏魯寧;荊繼武;馮登國
• 申請（專利權(quán)）人: 中國科學(xué)院研究生院
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京德琦知識產(chǎn)權(quán)代理有限公司
• 代理人: 宋志強(qiáng);麻海明

1、一種文本聚類元學(xué)習(xí)方法，其特征在于，該方法包括以下步驟：

A、用文本分析方法對文本集進(jìn)行軟聚類或軟分類處理，得到至少兩個聚類或分類結(jié)果；

B、將所述聚類或分類結(jié)果分別表示成處理結(jié)果矩陣，將所述處理結(jié)果矩陣拼接成文本向量矩陣；

C、對所述文本向量矩陣進(jìn)行元學(xué)習(xí)，得到最終聚類結(jié)果。

2、根據(jù)權(quán)利要求1所述的方法，其特征在于：步驟A中的文本分析方法為軟聚類方法和/或軟分類方法。

3、根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟B中的將所述處理結(jié)果矩陣拼接成文本向量矩陣包括：將所述處理結(jié)果矩陣分別乘上預(yù)先設(shè)置的權(quán)值后，再將所有的處理結(jié)果矩陣拼接成文本向量矩陣。

4、根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟A之前還包括：對所述文本集進(jìn)行預(yù)處理；所述預(yù)處理包括：分詞、特征選取和文本向量化。

5、一種文本聚類元學(xué)習(xí)裝置，其特征在于，該裝置包括：文本分析模塊、矩陣合成模塊和元學(xué)習(xí)模塊；

所述文本分析模塊，用于對文本集進(jìn)行軟聚類或軟分類處理，將得到的聚類或分類結(jié)果發(fā)送給所述矩陣合成模塊；

所述矩陣合成模塊，用于將所接收到的聚類或分類結(jié)果轉(zhuǎn)化成矩陣，并將轉(zhuǎn)化后的矩陣拼接成文本向量矩陣，將所述文本向量矩陣發(fā)送給所述元學(xué)習(xí)模塊；

所述元學(xué)習(xí)模塊，用于對接收到的文本向量矩陣進(jìn)行元學(xué)習(xí)，輸出最終聚類結(jié)果。

6、根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述裝置還包括：預(yù)處理模塊；

所述預(yù)處理模塊，用于對文本集中的文本進(jìn)行文本向量化，將文本向量化后的文本集發(fā)送給所述文本分析模塊。

7、根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述預(yù)處理模塊包括：分詞單元、特征選取單元和文本向量化單元；

所述分詞單元，用于將文本集中的文本劃分為單個的詞，并統(tǒng)計每個詞在文本集中出現(xiàn)的次數(shù)，將劃分結(jié)果和統(tǒng)計結(jié)果發(fā)送給所述特征選取單元；

所述特征選取單元，用于根據(jù)接收到的劃分結(jié)果和統(tǒng)計結(jié)果，從文本集中選取特征詞，將選取的特征詞發(fā)送給所述文本向量化單元；

所述文本向量化單元，用于根據(jù)接收到的特征詞將文本集中的文本轉(zhuǎn)化成文本向量，將文本向量化后的文本集發(fā)送給所述文本分析模塊。

8、根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述矩陣合成模塊包括：矩陣化單元和合成單元；

所述矩陣化單元，用于將接收到的聚類或分類結(jié)果轉(zhuǎn)化成矩陣，將轉(zhuǎn)化后的矩陣發(fā)送給所述合成單元；

所述合成單元，用于將接收到的所有轉(zhuǎn)化后的矩陣拼接成一個文本向量矩陣，將所述文本向量矩陣發(fā)送給所述元學(xué)習(xí)模塊。

9、根據(jù)權(quán)利要求5所述的裝置，其特征在于，所述元學(xué)習(xí)模塊包括：歸一化單元和學(xué)習(xí)單元；

所述歸一化單元，用于對接收到的文本向量矩陣進(jìn)行歸一化處理，將歸一化后的文本向量矩陣發(fā)送給所述學(xué)習(xí)單元；

所述學(xué)習(xí)單元，用于對接收到的歸一化后的文本向量矩陣進(jìn)行元學(xué)習(xí)，輸出最終聚類結(jié)果。