首页/ 广东东华发思特软件有限公司/ 专利详情

一种短文本聚类的方法、系统及其数据处理装置

基本信息

申请号 CN200910076791.5 申请日 -
公开（公告）号 CN101477563B 公开（公告）日 2010-11-10
申请公布号 CN101477563B 申请公布日 2010-11-10
分类号 G06F17/30(2006.01)I 分类 计算；推算；计数;
发明人 刘文印;倪兴良;张加龙 申请（专利权）人 广东东华发思特软件有限公司
代理机构 北京律诚同业知识产权代理有限公司 代理人 梁挥;祁建国
地址 100872 北京市海淀区中关村大街59号文化大厦1207F室
法律状态 -

摘要

摘要 本发明公开了一种短文本聚类的方法、系统及其数据处理装置。该方法执行于一数据处理装置中，用于针对给定的短文本集进行聚类，包括：步骤1，将该给定的短文本集中的所有短文本作为一个类别；步骤2，从当前的所有类别中选择一个类别，从中寻找核心词汇；步骤3，如果找到，根据是否包含该核心词汇将所选择的类别分成两类，执行步骤2；步骤4，如果没找到，记录并删除该类别，从剩余的类别中选择一个类别，执行步骤2，直至没有剩余类别为止，所记录的类别作为聚类的结果。本发明以类间相似度最小，类内相似度最大的方式，将短文本依照其内在关联关系进行聚类，使使用者在大量数据中快速定位所需求的数据。计算复杂度较低，计算效率高。