[发明专利]基于句间关联图的文本主题挖掘方法

权利要求书

1.一种基于句间关联图的文本主题挖掘方法，其特征在于，具体步骤如下：

1)目标文本预处理

对目标文本按句划分，获得文本的句子序列表S，并对句子序列表S中的各个句子进行词汇分析，提取各个句子中的词汇，将各句子中的词汇作为特征词；

2)构建目标文本的句子关联矩阵为：

A＝[A_ij]_m×m

Aij=(-1.0)*Pij*log2Pij,Pij>00,Pij=0]]>

Pij=Cij|Si|*|Sj|,i≠j0,i=j]]>

其中，A为目标文本的句子关联矩阵，A为m×m的矩阵，m为句子序列表S中的句子数量，A_ij为A中的第i行第j列元素，1≤i≤m,1≤j≤m，S_i为句子序列表S中的第i个句子，S_j为句子序列表S中的第j个句子，|S_i|为S_i中的特征词数量，|S_j|为S_j中的特征词数量，C_ij为S_i与S_j中共同出现的特征词的数量；

3)计算句子序列表S中各元素的权值，具体计算公式为：

W(i)=Σj=1mAij]]>

其中，W(i)为句子序列表S中的第i个句子的权值；

4)将句子序列表S中权值最大的句子设定为主题句；

5)计算所有主题句的字符长度之和，如果所有主题句的字符长度之和达到主题长度，则转至步骤8)，反之则转至步骤6)；

其中，主题长度为预先设定的字符数量阈值；

6)调整句子序列表S中各个非主题句的权值，非主题句的权值调整公式为：

Wnew(i)=Wold(i)1-(Pic)2,Pic≥0.5]]>

Pic=Cic|Si|*|Sc|,i≠c0,i=c]]>

其中，W_new(i)为句子序列表S中的第i个句子调整后的权值，W_old(i)为句子序列表S中的第i个句子调整前的权值，S_i为句子序列表S中的第i个句子，S_c为句子序列表S中最新选出的主题句，|S_i|为S_i中的特征词数量，|S_c|为S_c中的特征词数量，C_ic为S_i与S_c中共同出现的特征词的数量；

7)将句子序列表S的非主题句中权值最大的句子设定为主题句，再转至步骤5)；

8)将句子序列表S中所有主题句作为从目标文本中挖掘到的主题内容。