[发明专利]一种提取深度信念网络中隐含节点语义的方法

摘要

本发明公开了一种提取深度信念网络中隐含节点语义的方法，提出了全新的获取深度信念网络中隐含层内部隐含节点的语义信息的方法。该方法的关键点是，利用半结构化主题模型和深度信念网络相结合，同时学习模型参数，从而能够获取深度信念网络中不同隐含层的隐含节点的显式语义信息。本发明的另一关键点是，本发明结合了贝叶斯网络和深度神经网络这两种不同的网络类型，通过主题模型来对深度信念网络进行语义解析。与现有技术相比，本发明提出的技术方案中，构建了获取深度信念网络中隐含层内部隐含节点的语义信息的方法。这种方案能够通过利用贝叶斯主题模型，对深度信念网络中的隐含节点进行建模，获取其具体的语义信息。

主权项

一种提取深度信念网络中隐含节点语义的方法，其特征在于，包括步骤：步骤1，对于一个文档，首先对所述文档通过深度信念网络进行特征映射，获得深度信念网络的最高层的向量表示；步骤2，对于最高层的隐含层，通过gibbs采样得到对应隐含节点的二值样本点；步骤3，对于某一个隐含节点，利用二值样本点，在中获取对用隐含节点的主题分布，是文本集合中所有的结构化信息在主题空间上的分布，也代表了这些结构化信息的语义分布；步骤4，对该隐含节点中的主题分布进行排序，选择前面N个主要的主题；步骤5，在中获得上述主题的主要代表单词，是主题在单词空间上的分布矩阵；步骤6，对每一个隐含节点，重复上述步骤（3）（4）（5），直至所有节点遍历完毕。