[发明专利]一种面向多视角多标签数据的隐语义学习方法

摘要

本发明提供了一种面向多视角多标签数据的隐语义学习方法，包括：读取多视角多标签数据作为预处理器的输入，然后进行数据预处理，并将预处理结果输入到训练器中，学习得到隐语义子空间和训练后的模型。预测未标注多视角数据的标签时，将未标注的多视角数据进行预处理，然后输入到训练好的模型中预测得到多标签类别。本发明中提出了一种融合多个视角信息的学习和多标签分类方法，将输入特征和输出多标签映射到共同的潜在语义子空间中。该方法能够处理高维稀疏数据所带来的维数灾难问题，同时融合多视角信息对多标签数据进行分类。

主权项

1.一种面向多视角多标签数据的隐语义空间学习方法，其特征在于，包括以下步骤：S1.读取多视角多标签数据进行预处理，预处理部分去除文本数据的停用词并通过关键词权重计算算法将数据向量化，将预处理得到的特征向量化结果作为方法的输入；S2.构建面向多视角多标签数据的隐语义学习模型；S3.进行模型训练：通过交替方向乘子法和bregman迭代将带约束的隐语义空间学习问题转换成无约束的多组变量交替求解的子问题，并且通过奇异值分解更新隐语义空间，得到模型迭代后的矩阵；S4.将模型迭代得到的矩阵用于对新输入的多视角多标签数据的预测。