一种基于同义词词林语义相似度的文本聚类方法

摘要

本发明涉及一种基于同义词词林语义相似度的文本聚类方法，包括：获取原始文本集；对所述原始文本集中的每篇文本，进行预处理，得到每篇文本的文本特征词集；采用TF‑IDF方法获取每一特征词项频率的权值并存储在HashMap中；并获取与所述文本特征词集对应的文本的关键特征词；基于所述原始文本集，确定原始文本集中的任意K篇文本分别为初始聚类中心；分别获取第二文本集中的每篇文本与每一初始聚类中心的的语义相似度；将所述第二文本集中的文本分别分配给与所述第二文本集中的文本相似度最大的初始聚类中心所属的类簇；获取所述K个类簇中的关键特征词权值的平均值；获取新的聚类中心，重复步骤直至新的聚类中心相对稳定。