一种基于BERT模型的文档血缘关系分析方法

本发明公开了一种基于BERT模型的文档血缘关系分析方法，根据文档集合，通过BERT模型，得到嵌入向量集合，进行降维处理；根据目标文档的嵌入向量以及嵌入向量集合，通过层次密度聚类算法，得到包含多个候选文档的目标主题簇；根据目标文档与候选文档，通过统计距离方法，得到与目标文档具有同血缘关系的文档；当同血缘关系的文档数量少于预设阈值时，通过主题簇间概率分布的相似性，得到相邻主题簇，再次通过统计距离方法，得到与目标文档具有同血缘关系的文档。本发明通过BERT模型的语义建模能力、层次密度聚类算法以及多阶段筛选机制，解决了现有技术中语义丢失、参数刚性和聚类不灵活的问题，提高了文档血缘关系挖掘的准确率、召回率和计算效率。