[发明专利]一种中文文档集的主题可视化方法

权利要求书

1.一种中文文档集的主题可视化方法，其特征在于，包括

按主题对文档集分类的步骤：设文档集有n个主题l_j,j=0，1，2，...，n-1，根据主题对文档集中的所有文档进行分类，得到n个文档子集D_j，j=0，1，2，...，n-1；其中，主题l_j对应的文档子集是D_j；

划分文档集时间段的步骤：设文档集开始时间为t_start，结束时间为t_end，对文档集时间段[t_start,t_end]进行等分，得到时间段T_p=（t_start+（p-1）Δt,t_start+pΔt]，其中，p=1,2,…,m-1，Δt=tend-tstartm-1;]]>

计算主题频次的步骤：设主题频次包括v_j,0和v_j,p，其中v_j,0为主题l_j对应的文档子集D_j在开始时间t_start的文档数量,v_j,p是主题l_j对应的文档子集D_j在时间段T_p内的文档的数量；分别计算每个主题的主题频次；

对主题进行排序的步骤：对所有主题排序，得到排序后的主题序列表；

生成主题流图的步骤：根据排序后的主题序列表和主题频次，采用主题流算法，生成主题流图；

提取表示主题内容的关键词的步骤：设W_j,p是主题l_j对应的文档子集D_j在时间段T_p内的文档中表示该主题内容的关键词子集；使用现代汉语通用分词系统从每个主题对应的文档子集在每个时间段的文档中分别提取出表示该主题内容的关键词子集；

计算关键词的权重并排序的步骤：设关键词的权重是该关键词在一个关键词子集中出现的次数；计算每个关键词在每个关键词子集里的权重，并在每个关键词子集中根据关键词的权重从大到小对所有关键词排序；

生成文字云的步骤：根据关键词子集和关键词权重，在主题流图上生成文字云。