欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022116533941
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种文本聚类方法,其特征在于,所述方法包括:

获取多个训练文本中各训练文本对应的锚词,基于文本聚类模型确定与各锚词对应的锚词模型特征;其中,各锚词用于表示与各锚词对应的训练文本的全文语义;

将各训练文本中的各锚词模型特征输入所述文本聚类模型,得到各训练文本的第一聚类结果,对各第一聚类结果分别进行归一化处理以得到各第一聚类结果对应的第二聚类结果;

基于各第一聚类结果与各第二聚类结果分别确定所述多个训练文本的自训练目标函数,以及确定所述自训练目标函数的自训练目标值;

基于所述自训练目标值更新所述文本聚类模型,直到所述文本聚类模型收敛,将收敛后的文本聚类模型应用于文本聚类;

其中,所述获取多个训练文本中各训练文本对应的锚词包括:基于多个训练文本中每个训练文本中的组成词,确定每个训练文本中各组成词的信息量权重;

将每个训练文本对应的各组成词的信息量权重分别由大至小进行排序,获得每个训练文本对应的排序在前的预设锚词数量的信息量权重;

基于所述预设锚词数量的信息量权重对应的组成词,得到每个训练文本中对应的所述预设锚词数量的锚词;

所述将各训练文本中的各锚词模型特征输入所述文本聚类模型,得到各训练文本的第一聚类结果包括:将每个训练文本中的各锚词模型特征分别输入所述文本聚类模型,得到每个训练文本中各锚词模型特征的预聚类结果;

将每个训练文本中的各锚词模型特征对应的预聚类结果进行加权平均,得到每个训练文本的第一聚类结果。

2.如权利要求1所述的文本聚类方法,其特征在于,所述基于各第一聚类结果与各第二聚类结果分别确定所述多个训练文本的自训练目标函数包括:基于每个训练文本中各锚词模型特征的预聚类结果与每个训练文本对应的第二聚类结果,得到每个训练文本中各锚词模型特征的损失函数;

基于每个训练文本中各锚词模型特征的损失函数,得到每个训练文本的加权损失函数;

基于每个训练文本的加权损失函数,确定所述多个训练文本的自训练目标函数。

3.如权利要求2所述的文本聚类方法,其特征在于,所述基于每个训练文本中各锚词模型特征的损失函数,得到每个训练文本的加权损失函数,包括:基于每个训练文本中各锚词的信息量权重,确定对应各锚词模型特征的第一系数;其中,所述第一系数包括所述各锚词的注意力权重和锚词模型特征的乘积的范数;

累加每个训练文本中各锚词模型特征的第一系数,获得每个训练文本中所有锚词模型特征对应的第二系数;

根据每个训练文本中各第一系数在每个训练文本中所有锚词模型特征对应的第二系数中的占比,确定每个训练文本中各锚词模型特征的损失函数对应的加权系数;

基于每个训练文本中各锚词模型特征的损失函数以及各锚词模型特征的加权损失函数对应的加权系数,确定每个训练文本的加权损失函数。

4.如权利要求1所述的文本聚类方法,其特征在于,在对各第一聚类结果分别进行归一化处理以得到各第一聚类结果对应的第二聚类结果之后,还包括:基于各锚词模型特征、所述多个训练文本的第二聚类结果中的目标集群,确定锚词模型特征扩充函数;其中所述锚词模型特征扩充函数包括高斯分布函数,所述高斯分布函数的均值包括所述锚词模型特征,所述高斯分布函数的方差包括所述目标集群;

基于各锚词模型特征和对应各锚词模型特征的各锚词模型特征扩充函数扩充锚词模型特征。

5.如权利要求1至4任一项所述的文本聚类方法,其特征在于,所述基于各第一聚类结果与各第二聚类结果分别确定所述多个训练文本的自训练目标函数包括:基于每个训练文本中各锚词模型特征的预聚类结果与每个训练文本对应的第二聚类结果,得到每个训练文本中各锚词模型特征的损失函数;

基于每个训练文本中各锚词模型特征的损失函数,确定各训练文本的加权期望函数;

基于各训练文本的加权期望函数,确定所述多个训练文本的自训练目标函数。

6.一种文本聚类装置,其中,所述装置包括:

获取模块,适于获取多个训练文本中各训练文本对应的锚词,基于文本聚类模型确定与各锚词对应的锚词模型特征;其中,各锚词用于表示与各锚词对应的训练文本的全文语义;

计算模块,适于将各训练文本中的各锚词模型特征输入所述文本聚类模型,得到各训练文本的第一聚类结果,对各第一聚类结果分别进行归一化处理以得到各第一聚类结果对应的第二聚类结果;

确定模块,适于基于各第一聚类结果与各第二聚类结果分别确定所述多个训练文本的自训练目标函数,以及确定所述自训练目标函数的自训练目标值;

文本聚类模块,适于基于所述自训练目标值更新所述文本聚类模型,直到所述自训练目标值收敛,将收敛后的自训练目标值对应的文本聚类模型应用于文本聚类;

其中,获取模块包括:

确定子模块,适于基于多个训练文本中每个训练文本中的组成词,确定每个训练文本中各组成词的信息量权重;

排序子模块,适于将每个训练文本对应的各组成词的信息量权重分别由大至小进行排序,获得每个训练文本对应的排序在前的预设锚词数量的信息量权重;

锚词获取子模块,适于基于预设锚词数量的信息量权重对应的组成词,得到每个训练文本中对应的预设锚词数量的锚词;

计算模块包括:

预聚类结果子模块,适于将每个训练文本中的各锚词模型特征分别输入文本聚类模型,得到每个训练文本中各锚词模型特征的预聚类结果;

第一聚类结果子模块,适于将每个训练文本中的各锚词模型特征对应的预聚类结果进行加权平均,得到每个训练文本的第一聚类结果。

7.一种电子设备,其中,该电子设备包括:

处理器;以及

被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1至5中任一项所述的方法。

8.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1至5中任一项所述的方法。