[發(fā)明專利]一種基于行業(yè)的聚類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811644123.3
• 申請(qǐng)日: 2018-12-30
• 公開（公告）號(hào): CN109684480B
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 馮偉;徐承迪
• 申請(qǐng)（專利權(quán)）人: 北京人民在線網(wǎng)絡(luò)有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35
• 代理公司: 天津創(chuàng)信方達(dá)專利代理事務(wù)所(普通合伙) 12247
• 代理人: 孟會(huì)賢

1.一種基于行業(yè)的聚類方法，其特征在于，包括：

獲取數(shù)據(jù)集合，所述數(shù)據(jù)集合包括一類數(shù)據(jù)和二類數(shù)據(jù)；

按照一類數(shù)據(jù)的發(fā)布時(shí)間進(jìn)行數(shù)據(jù)分組，得到分組數(shù)據(jù)集，所述分組數(shù)據(jù)集中包括一類數(shù)據(jù)和與所述一類數(shù)據(jù)相關(guān)的二類數(shù)據(jù)；

對(duì)每個(gè)分組數(shù)據(jù)集進(jìn)行預(yù)處理，得到所述分組數(shù)據(jù)集對(duì)應(yīng)的多個(gè)數(shù)據(jù)網(wǎng)絡(luò)集合；

對(duì)于每個(gè)分組數(shù)據(jù)集，計(jì)算其對(duì)應(yīng)的主題向量集；

基于所述主題向量集得到所述分組數(shù)據(jù)集中的熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合；

根據(jù)各個(gè)分組數(shù)據(jù)集中的熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合得到熱門行業(yè)聚類結(jié)果；

通過氣泡圖標(biāo)識(shí)所述聚類結(jié)果；

所述基于所述主題向量集得到所述分組數(shù)據(jù)集中的熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合包括：

獲取每個(gè)數(shù)據(jù)網(wǎng)絡(luò)集合的熱度屬性；

根據(jù)所述熱度屬性提取疑似熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合；

獲取疑似熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合的相關(guān)度矩陣；

獲取所述相關(guān)度矩陣中數(shù)值大于預(yù)設(shè)相關(guān)度閾值的元素；

若所述元素總數(shù)大于預(yù)設(shè)的熱度閾值，則所述疑似熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)被判定為熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)；

所述根據(jù)各個(gè)分組數(shù)據(jù)集中的熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合得到熱門行業(yè)聚類結(jié)果包括：

獲取每個(gè)分組數(shù)據(jù)集中的熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合；

獲取每個(gè)所述熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合對(duì)應(yīng)的N個(gè)熱點(diǎn)主題；

根據(jù)各個(gè)熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合對(duì)應(yīng)的熱點(diǎn)主題得到所述分組數(shù)據(jù)集的M個(gè)熱點(diǎn)主題；其中，所述熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合對(duì)應(yīng)的熱點(diǎn)主題的獲取方法包括：計(jì)算所述熱點(diǎn)數(shù)據(jù)網(wǎng)絡(luò)集合的相關(guān)度矩陣中每一行的元素的總和值；選取所述總和值最大的N行，得到其對(duì)應(yīng)的主題，即為熱點(diǎn)主題；

根據(jù)所述M個(gè)熱點(diǎn)主題進(jìn)行聚類得到熱門行業(yè)聚類結(jié)果；

所述聚類包括：

計(jì)算兩個(gè)熱點(diǎn)主題之間的不相似性，并得到不相似性矩陣R＝{r_ij}_n*n；

初始化行業(yè)類別ω；

獲取各個(gè)熱點(diǎn)主題對(duì)于行業(yè)類別的隸屬度；

獲取各個(gè)熱點(diǎn)主題對(duì)于行業(yè)類別的貢獻(xiàn)度；

輸出基于所述隸屬度和貢獻(xiàn)度表示的聚類結(jié)果；所述隸屬度以u(píng)表示，u_ik表示熱點(diǎn)主題x_i對(duì)行業(yè)類別ω_k的隸屬度，所述貢獻(xiàn)度以v表示，v_kj表示熱點(diǎn)主題x_j對(duì)行業(yè)類別ω_k的貢獻(xiàn)權(quán)重；

隸屬度根據(jù)公式(一)：計(jì)算，貢獻(xiàn)度根據(jù)公式(二)：以M個(gè)熱點(diǎn)主題為輸入，根據(jù)公式(一)和公式(二)進(jìn)行迭代計(jì)算，從而得到各個(gè)熱點(diǎn)主題對(duì)于行業(yè)類別的隸屬度和貢獻(xiàn)度；公式(一)和公式(二)中的φ和β為與聚類精度有關(guān)的常數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

所述氣泡圖以分組數(shù)據(jù)集所對(duì)應(yīng)的時(shí)間段為橫軸，以氣泡標(biāo)識(shí)各個(gè)分組數(shù)據(jù)集中熱門主題的聚類結(jié)果。