| 主权项 |
一种文本在线聚类可视化方法，其特征在于，包括基于词汇标注的文本在线聚类、在线式高维数据降维可视化两大步骤：所述的基于词汇标注的文本在线聚类步骤为：步骤a，用户设置聚类数目，并对其中部分或者全部类别提供若干特征词汇；步骤b，统计初始文本集合中的单词词频信息，采用LDA模型对数据进行建模，并利用标注的类别特征词汇对LDA模型进行约束，采用Gibbs Sampling技术求解模型参数；步骤c，模型参数中的文档类别分布θ用于文本类别的预测，模型参数中的词汇‑类别分布频次n(w，z)将作为约束参数，用于增量聚类过程；步骤d，在线聚类时，新文本数据在已有模型参数n(w，z)基础上进行初始化，然后按照步骤b和步骤c进行建模运算，计算完成后，新文本实现增量聚类，模型参数实现自动更新；所述在线式高维数据降维可视化步骤为：步骤e，对文本聚类得到的高维类别分布向量，计算任意两向量间的相似性，同时随机产生对应低维向量初始值，计算任意两低维向量间的相似性；步骤f，利用KL距离(Kullback‑Leibler Divergence)度量高维向量相似性集合与低维向量相似性集合间的差异；步骤g，通过最优化方法迭代搜索步骤f中相似性集合间差异的最小值，同时不断更新低维向量，达到设定误差范围时停止迭代，利用可视化工具对低维向量可视化；步骤h，在线式处理时，对新到来的高维向量降维利用了已产生的低维向量信息，在迭代搜索时已产生的低维向量不再更新，只对新到来的高维向量按照步骤e、步骤f和步骤g作增量式处理； |
