[發明專利]一種基于選擇單元的主題建模方法

有效

• 申請號: 201310410816.7
• 申請日: 2013-09-10
• 公開（公告）號: CN103559193A
• 公開（公告）日: 2014-02-05
• 發明（設計）人: 湯斯亮;張寅;王翰琪;魯偉明;吳飛;莊越挺
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 張法高

1.一種基于選擇單元的主題建模方法，其特征在于包括如下步驟：?

1)根據用戶的查詢請求以及是要查詢文本數據或圖像數據提取多媒體數據庫中的搜索結果；?

2)如果查詢請求是針對文本數據的，提取搜索到的文本數據中的單詞、片段結構和單詞特征，如果查詢請求是針對圖像數據的，提取搜索到的圖像數據中的視覺單詞、片段結構和視覺單詞特征；?

3)根據系統自動設定或用戶指定的參數，確定建模采用的主題數T；?

4)對于數據集包含的每個片段結構，隨機地分配T個主題中的一個作為片段結構的主題；?

5)對于數據集包含的每個單詞，隨機地分配T個主題中的一個作為單詞主題；?

6)對于數據集包含的每個單詞，隨機地分配一個0-1二元選擇子，選擇子用于指定每個單詞被分配到其所屬的片段結構的主題或是其自身的主題上；?

7)通過Gibbs采樣過程迭代地確定所有片段結構主題、單詞主題以及選擇子；?

8)根據片段結構主題和單詞主題最終分配結果向用戶反饋各個主題最顯著的文檔或圖片以及最有代表性的單詞信息；?

9)根據選擇子最終分配結果向用戶反饋具有各種特征的單詞表達它們所在片段結構的主題的能力。?

2.根據權利要求1所述的一種基于選擇單元的主題建模方法，其特征在于所述的提取搜索到的文本數據中的單詞、片段結構和單詞特征的步驟如下：?

1)采用自然語言處理工具對文檔進行分句，以得到的語句作為文本數據的片段結構；?

2)采用自然語言處理工具標注每個詞的詞性，以得到的詞性標注結構作為各單詞的特征；?

3)去除其中無用的高頻詞以及頻數過低的生僻詞；?

4)統計處理后文本中所有出現過的詞，組成詞匯表。?

3.根據權利要求1所述的一種基于選擇單元的主題建模方法，其特征在于所述的提取搜索到的圖像數據中的視覺單詞、片段結構和視覺單詞特征的步驟如下：?

1)使用OpenSIFT提取所有圖片的SIFT特征，構成一個128維特征點的集合；?

2)將特征點集合用K-means聚類得到一組視覺詞典，并將所有SIFT點按聚類結果替換為詞典中的視覺單詞；?

3)采用圖像分割和人工標注手段提取圖片中的物體邊界、顏色直方圖等屬性，并以物體邊界作為圖像中的片段結構；?

4)對物體進行聚類得到各視覺單詞所屬的類別標簽，并以該類別標簽作為視覺單詞的特征。?