CN115146692B 数据聚类方法、装置、电子设备及可读存储介质 （奇安信科技集团股份有限公司）

次聚类结果将高维特征向量中多个维度的语义2获取待聚类的文本数据对应的高维特征向量，所述高维特征向根据语义特征对所述文本数据进行初次聚类，并根据初次聚类所述历史文本数据是在当前待聚类的文本数据之前聚类的将所述高维特征向量中多个维度的语义特征替换为一个维度的对所述初次聚类结果中的各个类簇的簇中心对应的低维特征向量或初次聚类结果中计算所述高维特征向量与由历史文本数据聚类形成的类簇集合中潜在簇的第一相似确定目标潜在簇，所述目标潜在簇与所述高维特征向量的第一将所述文本数据聚类到所述目标潜在簇中，并将所述目标潜在簇的计算所述高维特征向量与由历史文本数据聚类形成的类簇集合中潜在簇的第一相似若不存在所述第一相似度大于第一预设相似度的潜在簇，则计算确定目标孤立簇，所述目标孤立簇与所述高维特征向量的第二相将所述文本数据聚类到所述目标孤立簇中，并将所述目标孤立簇的若不存在所述第二相似度大于所述第二预设相似度的孤立簇，若所述目标孤立簇的文本数量大于所述预设数量，则将所述目标孤立簇确定为潜在3其中，所述更新处理包括以下至少一种：将数据量大于第获取所述初次聚类结果中的各个类簇的簇中心对高维向量获取模块，用于获取待聚类的文本数据对应初次聚类模块，用于根据语义特征对所述文本数本数据所聚类形成的，所述历史文本数据是在当前待聚类的文本数据之前聚类的文本数数据降维模块，用于将所述高维特征向量中多个维度的语义再次聚类模块，用于对所述初次聚类结果中的各个类簇的簇中心4[0003]目前的聚类是基于原始数据对应的高维向量进行聚类，由于高维向量的维度较[0008]计算所述高维特征向量与由历史文本数据聚类形成的类簇集合中潜在簇的第一[0013]计算所述高维特征向量与由历史文本数据聚类形成的类簇集合中潜在簇的第一5[0018]可选地，所述计算所述高维特征向量与所述类簇集合中孤立簇的第二相似度之得可以提高初步聚类精度或者减少后续再次聚类[0028]将各个类簇中的文本数据对应的低维特征向量进行密度聚类，获得最终聚类结6所述目标孤立簇的类簇标签确定为所述高维特征向量对应的7[0053]通过所述数据挖掘层对所述最终聚类结果中每个类簇进行主题词提取和/或关键算机程序被处理器执行时运行如上述第一方面提供的[0058]图1为本申请实施例提供的一种用于执行数据聚类方法的电子设备的结构示意[0066]本申请实施例提供一种数据聚类方法，该方法通过将文8电子设备从外部接收到的文本数据，此时可以对实时从外部接收到的文本数据进行聚类。9中可存储有不同的类簇标签所表示的语义特征，如类簇标签为1的类簇是将涉及某件时事新闻的文本数据聚类到一起，则该类簇标签1对应的语义特征(或者可以称为话题)即为该于大数据量无法实现实时流聚类(流聚类据聚类到目标潜在簇中，并将目标潜在簇的类簇标签确定为高维特征向量对应的类簇标度大于第一预设相似度的潜在簇，则计算高维特征向量与类簇集合中孤立簇的第二相似如3确定为文本数据对应的高维特征向量对应的类簇标签，以便于后续转换为低维特征向备可以还实时对孤立簇中的文本数量进行扫描，以在孤立簇的文本数量大于预设数量后，的该孤立簇的相关信息进行更改，如将记录的该类簇的孤立簇的标记更改为潜在簇的标量大于第一数量的类簇的簇中心进行更新；将相似与上述的第一预设相似度或第二预设相似度的取值可以相同，也可以不同)的至少两个类进行合并(这里如果一个类簇与其他多个类簇的相[0121]其中，典型的密度聚类算法如具有噪声的基于密度的聚类方法(Density_Based[0145]数据降维模块230，用于将所述高维特征向量中多个维度的语义特征替换为一个的类簇标签确定为所述高维特征向量对应的将所述目标孤立簇的类簇标签确定为所述高维特征向量对应的[0161]再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部