[发明专利]一种适用于文本分析或数据挖掘的主题图谱生成方法、装置、设备以及计算机存储介质

摘要

本发明涉及计算机技术领域，公开了一种适用于文本分析或数据挖掘的主题图谱生成方法、装置、设备以及计算机存储介质。通过本发明创造，提供了一种将概率主题模型LDA的应用达到一个全新水平的新方法，可使每个主题成为语义网络中的一个节点，更深刻地反映主题间的复杂语义关联，形成既与传统知识图谱互相呼应又互相补充，但又有独立应用价值的主题图谱，从而不但可以有效地提升传统搜索及推荐的效率和准确率，还可以弥补传统数据挖掘或文本分析在深度和可视化上的不足，利于挖掘出传统方法难以发现的潜在语义关联，实现真正的科学发现，尤其在数据发掘上有巨大的潜在价值。

主权项

1.一种适用于文本分析或数据挖掘的主题图谱生成方法,其特征在于，包括如下步骤：S101.获取包含海量文档的语料库；S102.对所述语料库中各个文档的词语集合进行数值化处理，然后将数值化处理结果作为训练样本导入LDA主题模型进行训练，得到主题‑词语矩阵和文档‑主题矩阵，其中，所述主题‑词语矩阵表示每个主题中出现每个词语的概率，所述文档‑主题矩阵表示每个文档中出现每个主题的概率；S103.根据所述主题‑词语矩阵获取各个主题的特征词语集合，根据所述文档‑主题矩阵获取各个主题的关联主题，其中，所述关联主题是指与某个主题共同出现在同一文档中的另一共现主题；S104.在确定目标词语后，查找到在特征词语集合中包含所述目标词语的所有目标主题，以及查找到与各个目标主题对应的目标关联主题；S105.将查找到的主题结果转换为目标词语的可视化主题图谱，其中，所述可视化主题图谱包含有目标主题的可视化内容、目标关联主题的可视化内容以及目标主题与目标关联主题之间的映射关系。