CN112949759B - 文本聚类方法、装置、电子设备及计算机可读存储介质 - Google Patents
文本聚类方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112949759B CN112949759B CN202110343309.0A CN202110343309A CN112949759B CN 112949759 B CN112949759 B CN 112949759B CN 202110343309 A CN202110343309 A CN 202110343309A CN 112949759 B CN112949759 B CN 112949759B
- Authority
- CN
- China
- Prior art keywords
- population
- text
- individual
- classified
- updating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 241000239366 Euphausiacea Species 0.000 claims abstract description 55
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 238000010845 search algorithm Methods 0.000 claims abstract description 16
- 239000013598 vector Substances 0.000 claims description 71
- 230000006870 function Effects 0.000 claims description 51
- 230000033001 locomotion Effects 0.000 claims description 34
- 230000002431 foraging effect Effects 0.000 claims description 20
- 238000009792 diffusion process Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002301 combined effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及大数据技术，揭露了一种文本聚类方法，包括：获取待分类文本集，构建搜索空间；在所述搜索空间中随机生成初始种群；利用磷虾群算法对所述初始种群进行更新，得到第二种群；利用涡流搜索算法对所述第二种群进行更新，得到第三种群；计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，直到满足预设的终止条件，得到最终最优个体；将所述待分类文本集中的文本进行分类，得到分类结果。此外，本发明还涉及区块链技术，所述待分类文本集可存储于区块链的节点。本发明还提出一种文本聚类装置、电子设备以及计算机可读存储介质。本发明可以解决文本聚类精确度低，错误率较高的问题。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种文本聚类方法、装置、电子设备及计算机可读存储介质。
背景技术
随着大数据时代的到来，文本数据的规模也不断扩大。对于海量的文本，预先进行分类处理，如根据不同的专业领域来将文本进行分类，使得相同专业领域的数据进行统一处理，这样便可以大大提升工作效率。
传统的文本聚类算法如K-means，K-mean和DBSCAN等等，但是这些算法在很大程度上取决于初始数据的情况，当初始数据之间关联性较弱时，，大部分时间最终都会导致收敛到局部最优的情况，导致最终数据聚类结果精确度低，错误率较高。
发明内容
本发明提供一种文本聚类方法、装置及计算机可读存储介质，其主要目的在于解决文本聚类精确度低，错误率较高的问题。
为实现上述目的，本发明提供的一种文本聚类方法，包括：
获取待分类文本集，并根据所述待分类文本集构建搜索空间；
在所述搜索空间中随机生成所述待分类文本集的初始种群；
利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回所述利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体；
根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
可选地，所述根据所述待分类文本集构建搜索空间，包括：
将所述待分类文本集中每个文本转化为文本特征向量；
将所述文本特征向量按照预设的种类数进行排列组合，并将得到的组合结果汇集成搜索空间。
可选地，所述利用磷虾群算法对所述初始种群进行更新，得到第二种群，包括：
计算所述初始种群中每个个体的诱导运动分量、觅食运动分量以及随机扩散运动分量；
在所述搜索空间中根据所述诱导运动分量、觅食运动分量和随机扩散运动分量对所述初始种群中的每个个体进行位置更新，得到第二种群。
可选地，所述利用涡流搜索算法对所述第二种群进行更新，得到第三种群，包括：
计算所述初始种群中每个个体的目标函数值，选择最小的目标函数值对应的个体作为最优解；
利用预设公式在所述搜索空间中计算搜索半径；
以所述最优解为中心及根据所述搜索半径确定搜索区域，在所述搜索区域中利用高斯分布产生候选种群；
将所述候选种群中每个个体与所述第二种群中对应的个体相比较，根据比较结果利用贪婪选择策略更新所述第二种群，得到第三种群。
可选地，所述将所述候选种群中每个个体与所述第二种群中对应的个体相比较，根据比较结果利用贪婪选择策略更新所述第二种群，包括：
利用预设的目标函数对所述候选种群中每个个体进行计算，得到多个候选目标值；
利用所述目标函数对所述第二种群中与所述候选种群中每个个体对应的个体进行计算，得到原始目标值；
在所述第二种群的每个个体对应的所述候选目标值小于所述原始目标值时，用所述候选目标值对应的个体替代所述第二种群中对应的个体。
可选地，所述根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果，包括：
将所述最终最优个体中的特征向量集进行拆解，得到多个聚类中心向量；
获取所述待分类文本集中每个文本对应的文本特征向量；
通过预设的距离公式计算每个所述文本特征向量与每个所述聚类中心向量的距离，将所述文本特征向量与最小距离对应的聚类中心向量划分为同一类别，得到分类结果。
可选地，所述计算所述第三种群中每个个体的目标函数值，包括：
采用下述公式计算所述目标函数值：
其中，xi为待分类文本集对应的文本特征向量，n为待分类文本集中文本总数，Cj为所述个体中的中心组合中的聚类中心向量，k为预设的种类数，p为预设参数。
为了解决上述问题，本发明还提供一种文本聚类装置，所述装置包括：
文本获取模块，用于获取待分类文本集，并根据所述待分类文本集构建搜索空间；
初始种群构建模块，用于在所述搜索空间中随机生成所述待分类文本集的初始种群；
种群更新模块，用于利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回所述利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体；
分类模块，用于根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述所述的文本聚类方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的文本聚类方法。
本发明实施例利用磷虾群算法对利用磷虾群算法对所述初始种群进行更新，所述磷虾群算法可以避免对初始数据的依赖性，降低分类错误率；同时在磷虾群算法中结合涡流搜索算法进行更新，可以避免磷虾群算法因陷入局部最优值而早熟，增强算法的全局搜索能力，使得到的最终最优个体是所述待分类文本集中的全局最优聚类中心，再根据所述最终最优个体进行分类，可以提高分类结果的精确度。因此本发明提出的文本聚类方法、装置、电子设备及计算机可读存储介质，可以解决解决文本聚类精确度低，错误率较高的问题。
附图说明
图1为本发明一实施例提供的文本聚类方法的流程示意图；
图2为本发明一实施例提供的文本聚类装置的功能模块图；
图3为本发明一实施例提供的实现所述文本聚类方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种文本聚类方法。所述文本聚类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述文本聚类方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的文本聚类方法的流程示意图。
在本实施例中，所述文本聚类方法包括：
S1、获取待分类文本集，并根据所述待分类文本集构建搜索空间。
本发明实施例中，所述待分类文本集是多个文本文档的集合，如需要翻译的中文文档等。所述待分类文本集可以从预设的数据库中获取。为进一步强调所述待分类文本集的私密性和安全性，所述待分类文本集还可以从一区块链的节点中获取。
详细地，所述根据所述待分类文本集构建搜索空间，包括：
将所述待分类文本集中每个文本转化为文本特征向量；
将所述文本特征向量按照预设的种类数进行排列组合，并将得到的组合结果汇集成搜索空间。
进一步地，本发明实施例中所述预设种类数是指所述待分类文本集的类别总数，所述预设种类数大于等于2，且为整数，记为k。
本发明实施例通过将所述待分类文本集中的文本进行排列组合，将每个文本作为聚类中心，得到中心组合，一个中心组合中有k个文本特征向量，即文本特征向量集，所述搜索空间中包括多个个体，每个个体包括一个中心组合，即多个文本特征向量对应的聚类中心向量。
S2、在所述搜索空间中随机生成所述待分类文本集的初始种群。
可选地，本发明实施例在随机生成初始种群之前，还包括：确定所述搜索空间的上下界；确定预设参数的值，其中，所述参数包括种群规模，最大迭代次数、最大诱导速度，觅食速度和最大扩散速度等值。
详细地，本发明实施例在所述搜索空间中随机选择种群规模大小的N个中心组合，得到初始种群。其中，N为大于0的整数。
S3、利用磷虾群算法对所述初始种群进行更新，得到第二种群。
所述磷虾群算法，是一种仿生优化算法，是对自然界磷虾群觅食活动的模拟。磷虾群中的每一个磷虾在觅食中都会受到食物和周围磷虾的综合影响，磷虾个体在这种综合作用下向着食物移动。在磷虾群算法中，每个磷虾个体代表解空间(假设为n维)内的一个潜在的解，磷虾食物即为算法寻优所需要找到的全局最优解；算法在食物信息和周围磷虾信息的综合引导下，在n维的解空间内进行迭代并进行磷虾位置更新直至最终输出最优解。
详细地，所述S3，包括：
计算所述初始种群中每个个体的诱导运动分量、觅食运动分量以及随机扩散运动分量；
在所述搜索空间中根据所述诱导运动分量、觅食运动分量和随机扩散运动分量对所述初始种群中的每个个体进位置行更新，得到第二种群。
进一步地，所述计算所述初始种群中每个个体的诱导运动分量是通过下述公式进行计算，具体包括：
其中，Nmax是最大诱导速度，由各文本特征向量的权重确定，是一个处于[0，1]之间的权重系数，/>为表示个体i在上一次的诱导运动分量，/>是其他文本特征向量提供的局部效应，/>是当前权重最高的文本特征向量提供的目标效应。
进一步地，所述计算所述初始种群中每个个体的觅食运动分量是通过下述公式进行计算，具体包括：
其中，Vf为觅食速度，由各文本特征向量之间的相似度确定，是一个处于[0，1]之间的相似度系数，/>表示第个体i在上一次的觅食运动分量，/>是各文本特征向量与当前文本中心向量之间的距离，/>是最高相似度的文本特征向量之间的距离。
进一步地，所述计算所述初始种群中每个个体的随机扩散运动分量是通过下述公式进行计算，具体包括：
Di＝Dmaxδ
其中，Dmax是最大扩散速度，由文本特征向量中的最大特征向量确定，δ为特征系数，且为[-1，1]区间的随机数。
进一步地，所述对所述初始种群中的个体进行位置更新是利用下述公式对个体进行位置更新：
其中，N是所述搜索空间中个体总数，Ct是一个介于0和2之间的常数，UBj和LBj分别是第j个个体的下界和上界，因此它们减法的绝对值表示的是整个搜索空间。
S4、利用涡流搜索算法对所述第二种群进行更新，得到第三种群。
详细地，所述利用涡流搜索算法对所述第二种群进行更新，得到第三种群，包括：
计算所述初始种群中每个个体的目标函数值，选择最小的目标函数值对应的个体作为最优解；
利用预设公式在所述搜索空间中计算搜索半径；
以所述最优解为中心及根据所述搜索半径确定搜索区域，在所述搜索区域中利用高斯分布产生候选种群；
将所述候选种群中每个个体与所述第二种群中对应的个体相比较，根据比较结果利用贪婪选择策略利用比较结果更新所述第二种群，得到第三种群。
进一步地，所述利用预设公式在所述搜索空间中计算搜索半径，包括：
rt＝r0·(1/x)·gammaincinv(x，at)
其中，x是常数，为0.1；r0是初始搜索半径，根据搜索空间当中的上界和下界确定；gammaincinv(x，at)代表的是不完整伽马函数的反函数。
进一步地，所述将所述候选种群中每个个体与所述第二种群中对应的个体相比较，根据比较结果利用贪婪选择策略更新所述第二种群，包括：
利用预设的目标函数计算对所述候选种群中每个个体进行计算，得到多个候选目标值；
利用所述目标函数对所述第二种群中与所述候选种群中每个个体对应的个体进行计算，得到多个原始目标值；
在所述第二种群的每个个体对应的所述候选目标值小于所述原始目标值时，用所述候选目标值对应的个体替代所述第二种群中对应的个体。
S5、计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回步骤S3，直到满足预设的终止条件，得到最终最优个体。
详细地，本发明实施例采用下述公式计算所述第三种群中每个个体的目标函数值：
其中，xi为待分类文本集对应的文本特征向量，n为待分类文本集中文本总数，Cj为所述个体中的中心组合中的聚类中心向量，k为预设的种类数，p为预设参数。E值越小，说明聚类效果越好。
本发明实施例通过计算每个个体的目标函数值，并根据所述目标函数值在所述第三种群中选出聚类效果最好的个体，即当前的最优解得到当前最优个体。
所述预设的终止条件是指迭代次数到达预设的最大迭代次数。
详细地，本发明实施例通过多次迭代，不断扩大搜索范围，最终找到在所述搜索空间内的全局最优解，即最终最优个体。
本发明实施例中所述最终最优个体包括中心组合，即多个聚类中心向量。
S6、根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
本发明实施例利用磷虾群算法和涡流搜索算法对种群中的个体进行更新，从而找到最终最优个体，而所述最终最优个体中包含的特征向量集即为最佳的聚类中心集合，再根据聚类中心进行分类，从而得到最佳分类结果。
详细地，所述根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果，包括：
将所述最终最优个体中的特征向量集进行拆解，得到多个聚类中心向量；
获取所述待分类文本集中每个文本对应的文本特征向量；
通过预设的距离公式计算每个所述文本特征向量与每个所述聚类中心向量的距离，将所述文本特征向量最小距离对应的聚类中心向量划分为同一类别，得到分类结果。
本发明实施例是基于磷虾群算法进行聚类的，所述磷虾群算法是一种启发式算法，可以避免对于初始条件的影响，同时为了避免陷入局部最优，还加入了涡流搜索算子以增强算法的全局搜索能力，使得算法在局部探索能力和全局搜索能力之间达到了一个非常好的平衡。
本发明实施例利用磷虾群算法对利用磷虾群算法对所述初始种群进行更新，所述磷虾群算法可以避免对初始数据的依赖性，降低分类错误率；同时在磷虾群算法中结合涡流搜索算法进行更新，可以避免磷虾群算法因陷入局部最优值而早熟，增强算法的全局搜索能力，使得到的最终最优个体是所述待分类文本集中的全局最优聚类中心，再根据所述最终最优个体进行分类，可以提高分类结果的精确度。因此本发明提出的文本聚类方法、装置、电子设备及计算机可读存储介质，可以解决解决文本聚类精确度低，错误率较高的问题。
如图2所示，是本发明一实施例提供的文本聚类装置的功能模块图。
本发明所述文本聚类装置100可以安装于电子设备中。根据实现的功能，所述文本聚类装置100可以包括文本获取模块101、初始种群构建模块102、种群更新模块103及分类模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述文本获取模块101，用于获取待分类文本集，并根据所述待分类文本集构建搜索空间。
本发明实施例中，所述待分类文本集是多个文本文档的集合，如需要翻译的中文文档等。所述待分类文本集可以从预设的数据库中获取。为进一步强调所述待分类文本集的私密性和安全性，所述待分类文本集还可以从一区块链的节点中获取。
详细地，在根据所述待分类文本集构建搜索空间时，所述文本获取模块101具体执行下述操作：
将所述待分类文本集中每个文本转化为文本特征向量；
将所述文本特征向量按照预设的种类数进行排列组合，并将得到的组合结果汇集成搜索空间。
进一步地，本发明实施例中所述预设种类数是指所述待分类文本集的类别总数，所述预设种类数大于等于2，且为整数，记为k。
本发明实施例通过将所述待分类文本集中的文本进行排列组合，将每个文本作为聚类中心，得到中心组合，一个中心组合中有k个文本特征向量，即文本特征向量集，所述搜索空间中包括多个个体，每个个体包括一个中心组合，即多个文本特征向量对应的聚类中心向量。
所述初始种群构建模块102，用于在所述搜索空间中随机生成所述待分类文本集的初始种群。
可选地，本发明实施例在随机生成初始种群之前，还包括：确定所述搜索空间的上下界；确定预设参数的值，其中，所述参数包括种群规模，最大迭代次数、最大诱导速度，觅食速度和最大扩散速度等值。
详细地，本发明实施例在所述搜索空间中随机选择种群规模大小的N个中心组合，得到初始种群。其中，N为大于0的整数。
所述种群更新模块103，用于利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体。
所述磷虾群算法，是一种仿生优化算法，是对自然界磷虾群觅食活动的模拟。磷虾群中的每一个磷虾在觅食中都会受到食物和周围磷虾的综合影响，磷虾个体在这种综合作用下向着食物移动。在磷虾群算法中，每个磷虾个体代表解空间(假设为n维)内的一个潜在的解，磷虾食物即为算法寻优所需要找到的全局最优解；算法在食物信息和周围磷虾信息的综合引导下，在n维的解空间内进行迭代并进行磷虾位置更新直至最终输出最优解。
详细地，在利用磷虾群算法对所述初始种群进行更新，得到第二种群时，所述种群更新模块103具体执行下述操作：
计算所述初始种群中每个个体的诱导运动分量、觅食运动分量以及随机扩散运动分量；
在所述搜索空间中根据所述诱导运动分量、觅食运动分量和随机扩散运动分量对所述初始种群中的每个个体进位置行更新，得到第二种群。
进一步地，所述计算所述初始种群中每个个体的诱导运动分量是通过下述公式进行计算，具体包括：
其中，Nmax是最大诱导速度，由各文本特征向量的权重确定，是一个处于[0，1]之间的权重系数，/>为表示个体i在上一次的诱导运动分量，/>是其他文本特征向量提供的局部效应，/>是当前权重最高的文本特征向量提供的目标效应。
进一步地，所述计算所述初始种群中每个个体的觅食运动分量是通过下述公式进行计算，具体包括：
其中，Vf为觅食速度，由各文本特征向量之间的相似度确定，是一个处于[0，1]之间的相似度系数，/>表示第个体i在上一次的觅食运动分量，/>是各文本特征向量与当前文本中心向量之间的距离，/>是最高相似度的文本特征向量之间的距离。
进一步地，所述计算所述初始种群中每个个体的随机扩散运动分量是通过下述公式进行计算，具体包括：
Di＝DmaXδ
其中，Dmax是最大扩散速度，由文本特征向量中的最大特征向量确定，δ为特征系数，且为[-1，1]区间的随机数。
进一步地，所述对所述初始种群中的个体进行位置更新是利用下述公式对个体进行位置更新：
其中，N是所述搜索空间中个体总数，Ct是一个介于0和2之间的常数，UBj和LBj分别是第j个个体的下界和上界，因此它们减法的绝对值表示的是整个搜索空间。
详细地，在利用涡流搜索算法对所述第二种群进行更新，得到第三种群时，所述种群更新模块103具体执行下述操作：
计算所述初始种群中每个个体的目标函数值，选择最小的目标函数值对应的个体作为最优解；
利用预设公式在所述搜索空间中计算搜索半径；
以所述最优解为中心及根据所述搜索半径确定搜索区域，在所述搜索区域中利用高斯分布产生候选种群；
将所述候选种群中每个个体与所述第二种群中对应的个体相比较，根据比较结果利用贪婪选择策略利用比较结果更新所述第二种群，得到第三种群。
进一步地，所述利用预设公式在所述搜索空间中计算搜索半径，包括：
rt＝r0·(1/x)·gammaincinv(x，at)
其中，x是常数，为0.1；r0是初始搜索半径，根据搜索空间当中的上界和下界确定；gammaincinv(x，at)代表的是不完整伽马函数的反函数。
进一步地，所述将所述候选种群中每个个体与所述第二种群中对应的个体相比较，根据比较结果利用贪婪选择策略更新所述第二种群，包括：
利用预设的目标函数计算对所述候选种群中每个个体进行计算，得到多个候选目标值；
利用所述目标函数对所述第二种群中与所述候选种群中每个个体对应的个体进行计算，得到多个原始目标值；
在所述第二种群的每个个体对应的所述候选目标值小于所述原始目标值时，用所述候选目标值对应的个体替代所述第二种群中对应的个体。
详细地，本发明实施例采用下述公式计算所述第三种群中每个个体的目标函数值：
其中，xi为待分类文本集对应的文本特征向量，n为待分类文本集中文本总数，Cj为所述个体中的中心组合中的聚类中心向量，k为预设的种类数，p为预设参数。E值越小，说明聚类效果越好。
本发明实施例通过计算每个个体的目标函数值，并根据所述目标函数值在所述第三种群中选出聚类效果最好的个体，即当前的最优解得到当前最优个体。
所述预设的终止条件是指迭代次数到达预设的最大迭代次数。
详细地，本发明实施例通过多次迭代，不断扩大搜索范围，最终找到在所述搜索空间内的全局最优解，即最终最优个体。
本发明实施例中所述最终最优个体包括中心组合，即多个聚类中心向量。
所述分类模块104，用于根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
本发明实施例利用磷虾群算法和涡流搜索算法对种群中的个体进行更新，从而找到最终最优个体，而所述最终最优个体中包含的特征向量集即为最佳的聚类中心集合，再根据聚类中心进行分类，从而得到最佳分类结果。
详细地，所述分类模块104具体用于：
将所述最终最优个体中的特征向量集进行拆解，得到多个聚类中心向量；
获取所述待分类文本集中每个文本对应的文本特征向量；
通过预设的距离公式计算每个所述文本特征向量与每个所述聚类中心向量的距离，将所述文本特征向量最小距离对应的聚类中心向量划分为同一类别，得到分类结果。
本发明实施例是基于磷虾群算法进行聚类的，所述磷虾群算法是一种启发式算法，可以避免对于初始条件的影响，同时为了避免陷入局部最优，还加入了涡流搜索算子以增强算法的全局搜索能力，使得算法在局部探索能力和全局搜索能力之间达到了一个非常好的平衡。
如图3所示，是本发明一实施例提供的实现文本聚类方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如文本聚类程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如文本聚类程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如文本聚类程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的文本聚类程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
获取待分类文本集，并根据所述待分类文本集构建搜索空间；
在所述搜索空间中随机生成所述待分类文本集的初始种群；
利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回所述利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体；
根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
具体地，所述处理器10对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取待分类文本集，并根据所述待分类文本集构建搜索空间；
在所述搜索空间中随机生成所述待分类文本集的初始种群；
利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回所述利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体；
根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种文本聚类方法，其特征在于，所述方法包括：
获取待分类文本集，并根据所述待分类文本集构建搜索空间；
在所述搜索空间中随机生成所述待分类文本集的初始种群；
利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回所述利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体；
根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果；
其中，所述利用涡流搜索算法对所述第二种群进行更新，得到第三种群，包括：计算所述初始种群中每个个体的目标函数值，选择最小的目标函数值对应的个体作为最优解；利用预设公式在所述搜索空间中计算搜索半径；以所述最优解为中心及根据所述搜索半径确定搜索区域，在所述搜索区域中利用高斯分布产生候选种群；将所述候选种群中每个个体与所述第二种群中对应的个体进行比较，根据比较结果利用贪婪选择策略更新所述第二种群，得到第三种群；
所述计算所述第三种群中每个个体的目标函数值，包括：采用下述公式计算所述目标函数值：
其中，xi为待分类文本集对应的文本特征向量，n为待分类文本集中文本总数，Cj为所述个体中的中心组合中的聚类中心向量，k为预设的种类数，p为预设参数。
2.如权利要求1所述的文本聚类方法，其特征在于，所述根据所述待分类文本集构建搜索空间，包括：
将所述待分类文本集中每个文本转化为文本特征向量；
将所述文本特征向量按照预设的种类数进行排列组合，并将得到的组合结果汇集成搜索空间。
3.如权利要求1所述的文本聚类方法，其特征在于，所述利用磷虾群算法对所述初始种群进行更新，得到第二种群，包括：
计算所述初始种群中每个个体的诱导运动分量、觅食运动分量以及随机扩散运动分量；
在所述搜索空间中根据所述诱导运动分量、觅食运动分量和随机扩散运动分量对所述初始种群中的每个个体进行位置更新，得到第二种群。
4.如权利要求1所述的文本聚类方法，其特征在于，所述将所述候选种群中每个个体与所述第二种群中对应的个体进行比较，根据比较结果利用贪婪选择策略更新所述第二种群，包括：
利用预设的目标函数对所述候选种群中每个个体进行计算，得到多个候选目标值；
利用所述目标函数对所述第二种群中与所述候选种群中每个个体对应的个体进行计算，得到原始目标值；
在所述第二种群的每个个体对应的所述候选目标值小于所述原始目标值时，用所述候选目标值对应的个体替代所述第二种群中对应的个体。
5.如权利要求1所述的文本聚类方法，其特征在于，所述根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果，包括：
将所述最终最优个体中的特征向量集进行拆解，得到多个聚类中心向量；
获取所述待分类文本集中每个文本对应的文本特征向量；
通过预设的距离公式计算每个所述文本特征向量与每个所述聚类中心向量的距离，将所述文本特征向量与最小距离对应的聚类中心向量划分为同一类别，得到分类结果。
6.一种文本聚类装置，用于实现如权利要求1至5中任意一项所述的文本聚类方法，其特征在于，所述装置包括：
文本获取模块，用于获取待分类文本集，并根据所述待分类文本集构建搜索空间；
初始种群构建模块，用于在所述搜索空间中随机生成所述待分类文本集的初始种群；
种群更新模块，用于利用磷虾群算法对所述初始种群进行更新，得到第二种群；
利用涡流搜索算法对所述第二种群进行更新，得到第三种群；
计算所述第三种群中每个个体的目标函数值，选择所述目标函数值最小的个体，得到当前最优个体，并返回所述利用磷虾群算法对所述初始种群进行更新的步骤，直到满足预设的终止条件，得到最终最优个体；
分类模块，用于根据所述最终最优个体利用预设的距离公式将所述待分类文本集中的文本进行分类，得到分类结果。
7.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任意一项所述的文本聚类方法。
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任意一项所述的文本聚类方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110343309.0A CN112949759B (zh) | 2021-03-30 | 2021-03-30 | 文本聚类方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110343309.0A CN112949759B (zh) | 2021-03-30 | 2021-03-30 | 文本聚类方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112949759A CN112949759A (zh) | 2021-06-11 |
| CN112949759B true CN112949759B (zh) | 2024-02-02 |
Family
ID=76230978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110343309.0A Active CN112949759B (zh) | 2021-03-30 | 2021-03-30 | 文本聚类方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112949759B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7225199B1 (en) * | 2000-06-26 | 2007-05-29 | Silver Creek Systems, Inc. | Normalizing and classifying locale-specific information |
| EP3430487A1 (en) * | 2016-03-18 | 2019-01-23 | Sunlight Photonics Inc. | Systems, methods, and apparatus for airflow sensing and close formation flight |
| CN110837884A (zh) * | 2019-10-30 | 2020-02-25 | 河南大学 | 基于改进的二元磷虾群算法和信息增益算法的有效混合特征选择方法 |
| CN112182963A (zh) * | 2020-09-24 | 2021-01-05 | 中国人民解放军空军工程大学 | 一种基于投影螺旋分群涡流搜索算法的多传感器调度方案优化方法 |
-
2021
- 2021-03-30 CN CN202110343309.0A patent/CN112949759B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7225199B1 (en) * | 2000-06-26 | 2007-05-29 | Silver Creek Systems, Inc. | Normalizing and classifying locale-specific information |
| EP3430487A1 (en) * | 2016-03-18 | 2019-01-23 | Sunlight Photonics Inc. | Systems, methods, and apparatus for airflow sensing and close formation flight |
| CN110837884A (zh) * | 2019-10-30 | 2020-02-25 | 河南大学 | 基于改进的二元磷虾群算法和信息增益算法的有效混合特征选择方法 |
| CN112182963A (zh) * | 2020-09-24 | 2021-01-05 | 中国人民解放军空军工程大学 | 一种基于投影螺旋分群涡流搜索算法的多传感器调度方案优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112949759A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106611052B (zh) | 文本标签的确定方法及装置 | |
| CN107436875B (zh) | 文本分类方法及装置 | |
| CN113157739B (zh) | 跨模态检索方法、装置、电子设备及存储介质 | |
| CN113378970B (zh) | 语句相似性检测方法、装置、电子设备及存储介质 | |
| CN114979120B (zh) | 数据上传方法、装置、设备及存储介质 | |
| CN112395487A (zh) | 信息推荐方法、装置、计算机可读存储介质及电子设备 | |
| CN113468421A (zh) | 基于向量匹配技术的产品推荐方法、装置、设备及介质 | |
| CN116662839A (zh) | 基于多维智能采集的关联大数据聚类分析方法及装置 | |
| WO2022227171A1 (zh) | 关键信息提取方法、装置、电子设备及介质 | |
| CN111651625A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
| CN112529743B (zh) | 合同要素抽取方法、装置、电子设备及介质 | |
| CN116738044A (zh) | 基于个性化实现高校图书馆的图书推荐方法、装置及设备 | |
| CN112949759B (zh) | 文本聚类方法、装置、电子设备及计算机可读存储介质 | |
| CN111667018A (zh) | 一种对象聚类的方法、装置、计算机可读介质及电子设备 | |
| CN116578696A (zh) | 文本摘要生成方法、装置、设备及存储介质 | |
| CN116741358A (zh) | 问诊挂号推荐方法、装置、设备及存储介质 | |
| CN111259176A (zh) | 融合有监督信息的基于矩阵分解的跨模态哈希检索方法 | |
| CN111414452B (zh) | 搜索词匹配方法、装置、电子设备及可读存储介质 | |
| WO2022222228A1 (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
| CN114676307A (zh) | 基于用户检索的排序模型训练方法、装置、设备及介质 | |
| CN113139129B (zh) | 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质 | |
| CN115098644A (zh) | 图像与文本匹配方法、装置、电子设备及存储介质 | |
| CN114240560A (zh) | 基于多维分析的产品排名方法、装置、设备及存储介质 | |
| CN113704616A (zh) | 信息推送方法、装置、电子设备及可读存储介质 | |
| CN113656586A (zh) | 情感分类方法、装置、电子设备及可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |