在审

一种文本主题聚类方法、计算设备及存储介质

黄山、刘光达、何磊、吕济民、张勇、陈宇宁、刘晓路、杜永浩、闫俊刚、程力、潘雨、陈英武、陈盈果、王沛、沈大勇
中国人民解放军国防科技大学
黄山 专利 30
中国人民解放军国防科技大学
计算技术生物模型计算计算模型系统
刘光达 专利 1
中国人民解放军国防科技大学
自然语言处理数据存储检索模式识别
何磊 专利 196
中国人民解放军国防科技大学
CAD技术细节申请详情分析优化类型
吕济民 专利 162
中国人民解放军国防科技大学
知识系统CAD技术细节行政管理
张勇 专利 53
中国人民解放军国防科技大学
物理仪器测量与测试计算技术
陈宇宁 专利 159
中国人民解放军国防科技大学
CAD技术细节行政管理商务信息处理
刘晓路 专利 198
中国人民解放军国防科技大学
CAD技术细节行政管理知识系统
杜永浩 专利 134
中国人民解放军国防科技大学
知识系统CAD技术细节行政管理
闫俊刚 专利 120
中国人民解放军国防科技大学
知识系统行政管理模式识别
程力 专利 40
中国人民解放军国防科技大学
计算技术物理仪器模式识别
潘雨 专利 31
中国人民解放军国防科技大学
行政管理计算技术物理仪器
陈英武 专利 169
中国人民解放军国防科学技术大学
知识系统行政管理模式识别
陈盈果 专利 189
中国人民解放军国防科技大学
CAD技术细节行政管理知识系统
王沛 专利 112
中国人民解放军国防科学技术大学
行政管理电子数据处理商务信息处理
沈大勇 专利 124
中国人民解放军国防科技大学
知识系统行政管理模式识别

摘要

本发明公开了一种文本主题聚类方法,包括以下步骤:步骤一:从多个来源收集待聚类的文本,对待聚类的文本进行文本预处理;步骤二:对Bertopic模型进行建模,生成主题模型,通过主题模型对预处理后的文本进行主题聚类,输出主题聚类结果;步骤三:或者通过Louvain算法对预处理后的文本进行聚类,输出文本主题的聚类结果;通过对文本文档数据进行预处理,去除了大量无意义的分词,且使用了更适合文本主题聚类的Bertopic模型,减少了短文本主题聚类的处理时间,同时通过Louvain算法能够自动地将大量具有相似语义的触发词聚在一起,为事件抽取提供极大便利。

暂无引用专利