[發(fā)明專(zhuān)利]文獻(xiàn)聚類(lèi)、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011572311.7
• 申請(qǐng)日: 2020-12-25
• 公開(kāi)（公告）號(hào): CN112667810A
• 公開(kāi)（公告）日: 2021-04-16
• 發(fā)明（設(shè)計(jì)）人: 柴玲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安科技（深圳）有限公司
• 主分類(lèi)號(hào): G06F16/35
• 分類(lèi)號(hào): G06F16/35;G06K9/62;G06F40/258;G06F40/284
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 熊永強(qiáng)

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，具體涉及一種文獻(xiàn)聚類(lèi)、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。該方法包括：獲取N篇待聚類(lèi)文獻(xiàn)，N為大于1的整數(shù)；確定所述N篇待聚類(lèi)文獻(xiàn)中任意兩篇待聚類(lèi)文獻(xiàn)之間的共被引相似度；根據(jù)所述任意兩篇待聚類(lèi)文獻(xiàn)之間的共被引相似度，對(duì)所述N篇待聚類(lèi)文獻(xiàn)進(jìn)行第一次聚類(lèi)，得到M個(gè)聚類(lèi)簇，其中，所述M個(gè)聚類(lèi)簇對(duì)應(yīng)K篇待聚類(lèi)文獻(xiàn)，M為大于或等于1的整數(shù)，K為小于或等于N的整數(shù)；對(duì)剩余的(N?K)篇待聚類(lèi)文獻(xiàn)進(jìn)行第二次聚類(lèi)，以將所述(N?K)篇待聚類(lèi)文獻(xiàn)融合到所述M個(gè)聚類(lèi)簇。本申請(qǐng)實(shí)施例有利于提高文獻(xiàn)的聚類(lèi)精度。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，具體涉及一種文獻(xiàn)聚類(lèi)、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

目前，使用基于引用關(guān)系的相似度，一般可以較好地度量文獻(xiàn)主題之間的相似度，但是，為了對(duì)文獻(xiàn)之間的相似度進(jìn)行補(bǔ)充，引入了文獻(xiàn)之間的文本相似度綜合度量文獻(xiàn)主題之間的相似度，即將多種指標(biāo)放在同一空間度量文獻(xiàn)主題的相似度；在度量出文獻(xiàn)主題之間的相似度之后，可使用單一的聚類(lèi)算法或者社團(tuán)檢測(cè)算法，將多篇文獻(xiàn)進(jìn)行聚類(lèi)。

然而，引入了文本相似度之后，會(huì)使構(gòu)成的聚類(lèi)網(wǎng)絡(luò)非常稠密，這樣會(huì)使得聚類(lèi)粒度變粗，降低了對(duì)文獻(xiàn)的聚類(lèi)精度。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種文獻(xiàn)聚類(lèi)、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，通過(guò)兩次聚類(lèi)，提高聚類(lèi)精度。

第一方面，本申請(qǐng)實(shí)施例提供一種文獻(xiàn)聚類(lèi)方法，包括：

獲取N篇待聚類(lèi)文獻(xiàn)，N為大于1的整數(shù)；

確定所述N篇待聚類(lèi)文獻(xiàn)中任意兩篇待聚類(lèi)文獻(xiàn)之間的共被引相似度；

根據(jù)所述任意兩篇待聚類(lèi)文獻(xiàn)之間的共被引相似度，對(duì)所述N篇待聚類(lèi)文獻(xiàn)進(jìn)行第一次聚類(lèi)，得到M個(gè)聚類(lèi)簇，其中，所述M個(gè)聚類(lèi)簇對(duì)應(yīng)K篇待聚類(lèi)文獻(xiàn)，M為大于或等于1的整數(shù)，K為小于或等于N的整數(shù)；

對(duì)剩余的(N-K)篇待聚類(lèi)文獻(xiàn)進(jìn)行第二次聚類(lèi)，以將所述(N-K)篇待聚類(lèi)文獻(xiàn)融合到所述M個(gè)聚類(lèi)簇。

第二方面，本申請(qǐng)實(shí)施例提供一種文獻(xiàn)聚類(lèi)裝置，包括：

獲取單元，用于獲取N篇待聚類(lèi)文獻(xiàn)，N為大于1的整數(shù)；

處理單元，用于確定所述N篇待聚類(lèi)文獻(xiàn)中任意兩篇待聚類(lèi)文獻(xiàn)之間的共被引相似度；

根據(jù)所述任意兩篇待聚類(lèi)文獻(xiàn)之間的共被引相似度，對(duì)所述N篇待聚類(lèi)文獻(xiàn)進(jìn)行第一次聚類(lèi)，得到M個(gè)聚類(lèi)簇，其中，所述M個(gè)聚類(lèi)簇對(duì)應(yīng)K篇待聚類(lèi)文獻(xiàn)，M為大于或等于1的整數(shù)，K為小于或等于N的整數(shù)；

對(duì)剩余的(N-K)篇待聚類(lèi)文獻(xiàn)進(jìn)行第二次聚類(lèi)，以將所述(N-K)篇待聚類(lèi)文獻(xiàn)融合到所述M個(gè)聚類(lèi)簇。

第三方面，本申請(qǐng)實(shí)施例提供一種電子設(shè)備，包括：處理器，所述處理器與存儲(chǔ)器相連，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述處理器用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的計(jì)算機(jī)程序，以使得所述電子設(shè)備執(zhí)行如第一方面所述的方法。

第四方面，本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序使得計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

第五方面，本申請(qǐng)實(shí)施例提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括存儲(chǔ)了計(jì)算機(jī)程序的非瞬時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可操作來(lái)使計(jì)算機(jī)執(zhí)行如第一方面所述的方法。

實(shí)施本申請(qǐng)實(shí)施例，具有如下有益效果：

可以看出，在本申請(qǐng)實(shí)施例中，首先根據(jù)文獻(xiàn)之間的共被引相似度對(duì)N篇聚類(lèi)文獻(xiàn)進(jìn)行聚類(lèi)，得到M個(gè)聚類(lèi)簇，由于，使用共被引相似度能夠得到比較精確的聚類(lèi)簇，所以，該M個(gè)聚類(lèi)簇的精度較高；然后，再不改變聚類(lèi)粒度的情況下，將剩余未處于該M個(gè)聚類(lèi)簇中的文獻(xiàn)進(jìn)行第二次聚類(lèi)，融合到該M個(gè)聚類(lèi)簇，從而不會(huì)降低聚類(lèi)粒度，提高了聚類(lèi)精度。