[發(fā)明專利]一種文檔主題確定方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710301661.1
• 申請(qǐng)日: 2017-05-02
• 公開（公告）號(hào): CN107193892B
• 公開（公告）日: 2019-08-13
• 發(fā)明（設(shè)計(jì)）人: 趙耕弘;張霞;趙立軍;崔朝輝
• 申請(qǐng)（專利權(quán)）人: 東軟集團(tuán)股份有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F17/27
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 劉曉菲;王寶筠

1.一種文檔主題確定方法，其特征在于，

預(yù)先根據(jù)Labeled LDA模型對(duì)訓(xùn)練文檔集合、訓(xùn)練單詞集合和標(biāo)簽集合進(jìn)行訓(xùn)練，得到“單詞-標(biāo)簽”條件概率集合，根據(jù)所述訓(xùn)練單詞集合得到單詞概率集合；所述訓(xùn)練文檔集合為訓(xùn)練文檔的集合，所述訓(xùn)練文檔為攜帶有標(biāo)簽的文檔，所述訓(xùn)練單詞集合為根據(jù)所述訓(xùn)練文檔得到的訓(xùn)練單詞的集合，所述標(biāo)簽集合為所述標(biāo)簽的集合；所述“單詞-標(biāo)簽”條件概率集合中包括在所述標(biāo)簽集合中隨機(jī)選擇的標(biāo)簽分別為各個(gè)標(biāo)簽的條件下，各個(gè)訓(xùn)練單詞在語(yǔ)義上分別表達(dá)所述各個(gè)標(biāo)簽的概率；所述單詞概率集合包括每個(gè)訓(xùn)練單詞分別在所述訓(xùn)練單詞集合中的詞頻；

所述方法包括：

獲取待確定主題的目標(biāo)文檔，以及所述目標(biāo)文檔中的目標(biāo)單詞；

從所述“單詞-標(biāo)簽”條件概率集合中，查找所述目標(biāo)單詞對(duì)應(yīng)的“單詞-標(biāo)簽”條件概率，所述目標(biāo)單詞對(duì)應(yīng)的“單詞-標(biāo)簽”條件概率包括在所述標(biāo)簽集合中隨機(jī)選擇的標(biāo)簽分別為各個(gè)標(biāo)簽的條件下，所述目標(biāo)單詞在語(yǔ)義上分別表達(dá)所述各個(gè)標(biāo)簽的概率；

從所述單詞概率集合中，查找所述目標(biāo)單詞對(duì)應(yīng)的詞頻，所述目標(biāo)單詞對(duì)應(yīng)的詞頻為所述目標(biāo)單詞在所述訓(xùn)練單詞集合中的詞頻；

根據(jù)目標(biāo)單詞對(duì)應(yīng)的“單詞-標(biāo)簽”條件概率和詞頻，得到所述目標(biāo)文檔對(duì)應(yīng)的“標(biāo)簽-目標(biāo)文檔”條件概率，所述“標(biāo)簽-目標(biāo)文檔”條件概率為在隨機(jī)選擇的文檔為目標(biāo)文檔的條件下，所述各個(gè)標(biāo)簽是所述目標(biāo)文檔的標(biāo)簽的概率；

根據(jù)所述目標(biāo)文檔對(duì)應(yīng)的“標(biāo)簽-目標(biāo)文檔”條件概率確定所述目標(biāo)文檔的主題；

其中，所述根據(jù)目標(biāo)單詞對(duì)應(yīng)的“單詞-標(biāo)簽”條件概率和詞頻，得到所述目標(biāo)文檔對(duì)應(yīng)的“標(biāo)簽-目標(biāo)文檔”條件概率包括：

根據(jù)所述目標(biāo)單詞對(duì)應(yīng)的“單詞-標(biāo)簽”條件概率、所述目標(biāo)單詞的詞頻和每個(gè)標(biāo)簽的概率，得到每個(gè)標(biāo)簽的對(duì)應(yīng)的“標(biāo)簽-單詞”條件概率，所述“標(biāo)簽-單詞”條件概率為在所述訓(xùn)練單詞集合中隨機(jī)選擇的訓(xùn)練單詞為所述目標(biāo)單詞的條件下，所述目標(biāo)單詞在語(yǔ)義上分別表達(dá)所述每個(gè)標(biāo)簽的概率；所述每個(gè)標(biāo)簽的概率為每個(gè)標(biāo)簽在所述標(biāo)簽集合中出現(xiàn)的概率；

根據(jù)所述每個(gè)標(biāo)簽的“標(biāo)簽-單詞”條件概率得到所述目標(biāo)文檔對(duì)應(yīng)的“標(biāo)簽-目標(biāo)文檔”條件概率。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述每個(gè)標(biāo)簽的概率根據(jù)每個(gè)訓(xùn)練文檔對(duì)應(yīng)的“標(biāo)簽-文檔”條件概率和每個(gè)訓(xùn)練文檔的抽樣概率得到；所述“標(biāo)簽-文檔”條件概率包括在所述訓(xùn)練文檔集合中隨機(jī)選取各個(gè)訓(xùn)練文檔的條件下，所述各個(gè)標(biāo)簽分別是所述各個(gè)訓(xùn)練文檔的標(biāo)簽的概率。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述每個(gè)訓(xùn)練文檔的抽樣概率均為1。

4.根據(jù)權(quán)利要求1至3任意一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述目標(biāo)文檔對(duì)應(yīng)的“標(biāo)簽-目標(biāo)文檔”條件概率確定所述目標(biāo)文檔的主題包括：

從所述目標(biāo)文檔對(duì)應(yīng)的所有的“標(biāo)簽-目標(biāo)文檔”條件概率中，選擇最大的條件概率對(duì)應(yīng)的標(biāo)簽確定為所述目標(biāo)文檔的主題。