发明名称 |
基于交互式文档聚类的信息检索方法及系统 |
摘要 |
本发明提供一种基于交互式文档聚类的信息检索方法和系统,其步骤包括:对文档集进行水平划分和预处理;进行词频统计,并将高频词组成特证词集合;生成文档的向量空间表示,计算文档间的距离并生成相似度矩阵;生成拉普拉斯矩阵,根据拉普拉斯矩阵的特征值间隔确定聚类数及表示矩阵,并进行二次聚类,得到初始距离结果;用户对初始聚类结果进行交互操作,使用卡方统计量挖掘新的特证词并重构向量空间,然后重复进行上述聚类过程;最后将聚类结果展示给用户,供用户获得不同类别的检索结果。本发明采用有用户介入的半监督学方式,对文档进行聚类分析,供用户获得不同类别的检索结果。 |
申请公布号 |
CN103514183A |
申请公布日期 |
2014.01.15 |
申请号 |
CN201210209911.6 |
申请日期 |
2012.06.19 |
申请人 |
北京大学 |
发明人 |
黄威靖;于倩;陈薇;王腾蛟;杨冬青 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
北京君尚知识产权代理事务所(普通合伙) 11200 |
代理人 |
余长江 |
主权项 |
一种基于交互式文档聚类的信息检索方法,其步骤包括:1)按时间段对存储的文档集进行水平划分和预处理;2)对预处理后的文档进行词频统计,并将高频词组成特证词集合;3)根据所述特证词集合生成文档的向量空间表示,进而计算文档间的距离并生成相似度矩阵;4)根据所述相似度矩阵生成拉普拉斯矩阵,并计算其特征值和特征向量;5)根据特征值间隔确定聚类数及表示矩阵,并对所述聚类数及表示矩阵进行二次聚类;6)用户对所述二次聚类的结果进行交互操作,使用卡方统计量挖掘新的特证词并添加至所述特证词集合,然后重复所述步骤3)至所述步骤5);7)将聚类结果展示给用户,供用户进行选择并获得不同类别的检索结果。 |
地址 |
100871 北京市海淀区颐和园路5号 |