基于案件要素指导及深度聚类的新闻与案件相关性分析方法

摘要

本发明涉及基于案件要素指导及深度聚类的新闻与案件相关性分析方法，首先抽取出重要的句子表征文本；其次利用案件要素对案件进行表征，用来初始聚类中心，指导聚类的搜索过程；最后选用卷积自编码器获得文本表征，利用重构损失和聚类损失联合训练网络，使文本的表征更接近于案件，并将文本表征和聚类过程统一到同一框架中，交替更新自编码器参数及聚类模型参数，实现文本聚类。本发明针对当前聚类算法对于新闻与案件相关性分析任务，缺乏有效的指导信息，导致聚类发散，降低了结果的准确性这一问题，充分发挥了案件要素的在聚类过程中以及对文本向量化表征的指导作用，有效提升了聚类结果的准确性。