[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

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。

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