基于自然语言处理的新型冠状病毒肺炎相关文献的聚类分析.pdf

基于自然语言处理的新型冠状病毒肺炎相关文献的聚类分析

摘要：在信息化时代，文献数据呈爆炸式增长。新型冠状病毒肺炎爆发，促使大量有关新型冠状

病毒的文献涌现，医学研究界产生巨大文献聚类的需求。从该需求切入，本文选取2020年公开共享

的相关文献文本数据集中超过37000篇文献，一方面，使用自然语言处理技术对其进行聚类分析，涉

及技术包括基于词频—逆文档频率的文本向量化，基于t分布随机邻域嵌入的降维算法，以及基于K

均值聚类的文本分类方法；另一方面，对聚类产生的类簇进行主题的生成，并且对分类器进行泛化性

能的检验。最终将数万篇文献分为主题明确的20个大类，并验证了分类