公开(公告)号：CN112861990A

公开(公告)日：2021-05-28

申请号：CN202110242927.6

申请日：2021-03-05

Applicant: 电子科技大学

Inventor： 朱宇坤 ,  何礼仁 ,  陈林 ,  蒋留振 ,  潘格非 ,  赵彬恒 ,  莫洋 ,  陈瑞东

IPC: G06K9/62 ,  G06F40/216 ,  G06F40/289

Abstract: 本发明公开了一种基于关键词和实体的主题聚类方法、设备及计算机可读存储介质，属于自然语言处理技术领域。本发明首先对新闻进行文本预处理，获取关键词，以及实体词；并基于新闻的关键词进行第一次聚类，以获取新闻的子主题；进而基于子主题所包含的实体，进行第二次聚类处理，以获取新闻主题。本发明通过第一次聚类过滤噪音点，提升聚类准确率；通过第二聚类提高聚类处理的召回率，第二次聚类时，使用实体作为唯一文本特征值，提取的实体是与新闻主题关联度很高，提升计算效率。本发明不仅可以快速高效地帮助用户发现感兴趣的新闻主题，还可以便捷地与知识库融合，帮助公众更好地了解新闻主题。

公开(公告)号：CN112861990B

公开(公告)日：2022-11-04

申请号：CN202110242927.6

申请日：2021-03-05

Applicant: 电子科技大学

Inventor： 朱宇坤 ,  何礼仁 ,  陈林 ,  蒋留振 ,  潘格非 ,  赵彬恒 ,  莫洋 ,  陈瑞东

IPC: G06K9/62 ,  G06F40/216 ,  G06F40/289

Abstract: 本发明公开了一种基于关键词和实体的主题聚类方法、设备及计算机可读存储介质，属于自然语言处理技术领域。本发明首先对新闻进行文本预处理，获取关键词，以及实体词；并基于新闻的关键词进行第一次聚类，以获取新闻的子主题；进而基于子主题所包含的实体，进行第二次聚类处理，以获取新闻主题。本发明通过第一次聚类过滤噪音点，提升聚类准确率；通过第二聚类提高聚类处理的召回率，第二次聚类时，使用实体作为唯一文本特征值，提取的实体是与新闻主题关联度很高，提升计算效率。本发明不仅可以快速高效地帮助用户发现感兴趣的新闻主题，还可以便捷地与知识库融合，帮助公众更好地了解新闻主题。