基于融合BTM模型的短文本主题聚类方法

摘要

本发明公开了一种基于融合BTM模型的短文本主题聚类方法，属于数据聚类技术领域。本发明首先对待聚类的短文本进行文本预处理，得到数据集D；然后分别提取基于BTM模型、VSM模型的文本向量；在对数据集D进行k‑means聚类时，基于本发明所设置的估计聚类数k方式所获得的聚类数，进行k聚类处理，且聚类处理时采用的聚类标准为：基于两个文本向量所分别计算的任意两个文本间的距离的加权和。本发明结合BTM模型和VSM模型实现对短文本主题的聚类处理，以提高聚类效果；同时基于类内、类间距离对聚类效果进行度量，自动调节聚簇数量，补偿BTM模型需提前预指定主题数量导致的精度下降的技术问题。