[发明专利]一种用于子话题划分的诱导划分方法

权利要求书

1.一种用于子话题划分的诱导划分方法，其特征在于包括下述内容：

(1)文本预处理：即从新闻语料库中随机挑选某一热点话题若干篇，进行人工标注，并采用ICTCLAS系统对文档进行分词和去停用词；

(2)LDA主题建模对语料库进行建模：即采用Gibbs抽样算法，提取语料库中的隐含主题，得到“文档-主题”矩阵θ，对矩阵设定阈值δ，δ为0～1的任意小数；

(3)全覆盖粒计算的知识约简：利用全覆盖粒计算模型表征设置阈值后的矩阵，用粒计算的方法将冗余话题删除，将词项空间表达的文档约简为主题空间的低维表达，从而达到了降维的目的；

(4)诱导划分：将删除冗余覆盖元之后的结果作为诱导划分的输入，通过改进的诱导划分方法，得到诱导等价类，从而实现诱导划分；

(5)子话题划分：将诱导等价类中的每一类作为一个子话题，诱导等价类中集合的个数对应子话题的个数，将同一集合中的文档划分为同一个子话题，实现语料库中新闻文档的子话题划分；

文档中主题的概率ρδ时，δ为0～1的任意小数，矩阵θ为1，文档中主题的概率ρ＜δ时，矩阵θ为0；

改进的诱导划分步骤是：

步骤1：确定论域和覆盖元；

步骤2：计算论域中每个元素的邻域系统；

步骤3：将具有相同邻域系统的元素进行重新组合和划分，产生新覆盖元，并将覆盖元和新覆盖元视为粒结构；

步骤4：在粒结构中根据诱导覆盖的定义寻找诱导等价类，实现诱导划分。

2.如权利要求1所述的一种用于子话题划分的诱导划分方法，其特征在于：粒结构的定义：设是非空论域U上的一个全覆盖，每个覆盖元是一个生成粒；生成粒之间不断进行交运算和对称差运算，产生的新的粒加入生成粒中，同时与其他粒也进行上述运算，最终形成一个闭合的结构，这样的结构叫做粒结构。

3.如权利要求1所述的一种用于子话题划分的诱导划分方法，其特征在于：子话题划分的诱导划分评价指标包括丢失率P_miss、误报率P_fa和错误识别代价C_det，a表示未检测到的与话题i相关的新闻数，b表示与话题i相关的新闻数；

c表示检测到的与话题i不相关的新闻数，d表示与话题i不相关的新闻数；

错误识别代价C_det＝C_miss×P_miss×P_target+C_fa×P_fa×P_non-target

式中C_miss为1，C_miss表示丢失一个相关新闻的代价；

C_fa为0.1，C_fa表示误报一个相关新闻的代价；

P_target为0.02，P_target表示一个新闻与目标话题相关的先验概率；

P_non-target为0.98，P_non-target表示一个新闻与目标话题不相关的先验概率。