[发明专利]基于图的文本表示方法

摘要

本发明涉及文本表示技术领域,尤其是基于图的文本表示方法，其方法步骤为：确定每个文档对应图模型的最多顶点个数n，对文档进行分词、词性标注、预处理，并对其进行词频统计；选取最能代表该文档的特征词条，其个数不超过n，并记录所有特征词在文档中的先后顺序；对文档D，由其所有特征词条作为图模型的顶点，相应的特征词条的出现频率构成顶点的权重。本发明有益效果：词语义空间就是由词与词、词与词之间的约束关系所构成的网络图，用词与词之间的约束关系的强弱来表示语义距离，用图的基本元素来度量图的相似性，取得了很好的聚类效果，如果从文本的外部特征来反映其语义信息，特征词条、特征词条的频度及其特征词条的位置关系。

主权项

基于图的文本表示方法，其特征在于：其方法步骤为：步骤一：输入文本文档D；步骤二：输出文本类图G(V,E,W1,W2)；步骤三：确定每个文档对应图模型的最多顶点个数n；步骤四：对文档进行分词、词性标注、预处理，并对其进行词频统计；步骤五：选取最能代表该文档的特征词条，其个数不超过n，并记录所有特征词在文档中的先后顺序；步骤六：对文档D，由其所有特征词条作为图模型的顶点，相应的特征词条的出现频率构成顶点的权重；步骤七：如果两个特征词在文档的某一段落中先后出现，则它们之间有一条有向边，边的方向由先出现的特征词指向后出现的特征词，并统计这两个特征词条在该文档中共现的次数；步骤八：根据公式(1)确定特征词条的关联矩阵M，U；步骤九：根据公式对矩阵U进行归一化处理，确定归一化后的关联矩阵W。