这项新技术让开源情报智能分析更加准确高效！
近日，道达天际推出的《一种针对开源情报的文本聚类算法优化方法》获得国家知识产权局专利授权,从预审至授权用时仅1个月！该专利是公司在开源情报处理技术领域持续创新的成果，能够为客户提供更高效、智能的情报服务，推动了公司在情报分析处理业务方向的进一步发展。
情报是决策的前提和基础，但并不是说，情报越多越好，如果超过了一定的界限，事情就可能走向反面，尤其是信息泛滥的今天。随着信息技术的日新月异以及全球化进程的加速，互联网各类信息呈指数级的增长速度，铺天盖地，难辨真假。互联网产生的开源情报不经过分析是无法使用的，有价值的情报必须经过分析才能得出。如何从海量的开源信息中快速、准确的归类信息，以帮助分析人员快速的归类情报内容并检索到需要的信息，是情报分析处理领域亟需解决的痛点。
另一方面，相对于传统信息处理技术主要处理精确数据，开源情报数据作为非结构化数据的复杂性，进一步增加了其处理和归类的难度。
传统的文本聚类是一种无监督的机器学习方法，不需要预先对文档进行手工标注类别，可以将文本根据语义自动分成几类，能够帮助情报分析人员提高分析效率和效果。现在流行的聚类算法包括基于划分的聚类算法（如K-means算法）、基于密度的聚类算法（如DBSCAN算法）等。聚类算法是针对数字进行计算的，需要对文本聚类，以将文本的词汇转化为数字向量，常用的算法包括词袋模型、word2vec等。当前使用聚类算法对开源情报进行聚类分析时，面临分词和选词效率低，以及特殊情报的特殊语义要求难以准确满足等问题。
为解决上述问题，道达天际发明了一种基于自然语言处理的文本聚类算法优化方法，该方法在传统机器学习、和自然语言处理技术的基础上进一步优化算法，通过基于积累的历史情报语言模型不断自动优化关键词、语义向量的算法效果等来进行评估，并根据这些评估结果对开源情报信息进行有效聚类分析，提高开源情报处理的效率和准确性。
核心技术价值： 一、有效利用历史语言处理模型，优化关键词的权重值计算方法，为选取高权重值的关键词进行无监督聚类提供基础，有效提升开源情报信息的文本聚类效果； 二、有效优化关键词向量加权算法，基于历史模型优化关键词权重修正系数，实现了通过修正后的关键词向量统计指标优化聚类结果，从而显著提升了开源情报文本的聚类结果质量； 三、本发明通过无监督聚类算法对目标词向量进行了聚类，并基于聚类结果对历史词库模型不断优化更新，实现了在满足开源情报文本信息获取任务要求的情况下，不断循环加强对目标情报对应的关键词的敏感度，从而显著提升了开源情报文本的聚类结果质量。
此发明提高了开源情报聚类分析的准确性和科学性，能够在大量的开源情报中有效筛选出关键信息，确保了关键领域情报的特殊语义能够被快速识别和优先处理。此外，通过对领域情报的特殊语义和背景信息的识别，增强了对情报聚类效果的准确性，能够为情报分析人员和决策者提供更加清晰、准确的情报支持。
