[发明专利]一种基于特定划分的主题模型下的文档生成方法有效
申请号: | 201710548431.5 | 申请日: | 2017-07-06 |
公开(公告)号: | CN107491417B | 公开(公告)日: | 2021-06-22 |
发明(设计)人: | 周凯文;杨智慧;马会心;何震瀛;荆一楠;王晓阳 | 申请(专利权)人: | 复旦大学 |
主分类号: | G06F17/16 | 分类号: | G06F17/16;G06F16/31;G06F16/35;G06F16/33 |
代理公司: | 上海正旦专利代理有限公司 31200 | 代理人: | 陆飞;陆尤 |
地址: | 200433 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明属于数据挖掘技术领域,具体为一种基于特定划分的主题模型下的文档生成方法。本发明根据某种给定的文本数据库划分方式,加入子集的概念,例如对于一些文本数据库,像新闻数据库,某个时间片段中的文本的主题分布具有一定的相似性,特别是那些报告相同事件的不同新闻频道的文本,利用时间片段的属性就可以对数据库进行划分,分成一个个的子集。由此,本发明提出新的文本数据库上的主题模型(DbLDA);在DbLDA中,每个文档的生成的具体步骤为:生成主题矩阵;对一个子集生成主题分布:对子集中的文章,生成主题分布;对每个词,选择一个主题,选择一个单词。可应用于带有结构化属性的文本数据库。 | ||
搜索关键词: | 一种 基于 特定 划分 主题 模型 文档 生成 方法 | ||
【主权项】:
一种基于特定划分的主题模型下的文档生成方法,其特征在于,所述主题模型为文本数据库上的隐含狄利克雷分布,记为DbLDA;在DbLDA中,每个文档生成的具体步骤如下:步骤(1)、生成主题矩阵:φk~Dir(β);步骤(2)、对一个子集生成主题分布:步骤(3)、对子集中的文章,生成主题分布:步骤(4)、对每个词(a)选择一个主题:zs,d,n~Mult(π(θ′s,d));(b)选择一个单词:ws,d,n|zs,d,n~Mult(φk);其中,是从多项分布参数向量到自然向量的映射:c是一个常数,每个多项分布参数向量对应有一个自然参数向量族;π是从自然参数向量映射回多项分布参数向量,其中,所用到参数和符号说明如下
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学,未经复旦大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201710548431.5/,转载请声明来源钻瓜专利网。