[發明專利]一種基于Topic Model的本體構建方法

有效

• 申請號: 201711112981.9
• 申請日: 2017-11-10
• 公開（公告）號: CN107895012B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 林志杰
• 申請（專利權）人: 上海電機學院
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F40/30;G06K9/62
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;柏子雵

1.一種基于Topic Model的本體構建方法，其特征在于，包括以下步驟：

第一步、利用LDA模型從給定的文獻語料庫中進行概念抽取，由抽取到的概念產生出概念集合，然后進行概念層次細分產生本體構建的層次結構G，G＝{T，E}，式中，T＝{t1,t2,…,tm}是概念集合，定義為上層概念集合；T’＝{t1’,t2’,…,tm’}是子概念集合，定義為上層概念集合T的下一層概念集合；E是邊的集合，每個eij∈E表示概念集合T中的第i個概念ti與子概念集合T’中第j個概念tj’有邊相連，其中，進行概念層次細分產生本體構建的層次結構G時遵循以下規則：

規則1：如果ti∈T，tj’∈T’，NT＜NT’，結論是：子概念集合T’比概念集合T概念層次高，其中，NT和NT’分別是概念集合T和子概念集合T’的層高級別；

規則2：如果ti∈T，tj’∈T’，在ti與tj’之間極有可能存在上下級關系，其中，是空集；

第二步、利用CosTMI相似性度量方法，識別層次結構G中各個概念之間的相似性，即相鄰層次間概念的潛在聯系，其中，上層概念集合T中第p個概念tp與概念tp的上下文中，下一層概念集合T’中第s個概念ts’和第r個概念tr’兩個概念的語義相似度CosTMI(ts′,tr′；tp)

式中，tp包含詞匯序列{wp1,wp2,…,wpn}；ts’包含詞匯序列{ws’1,ws’2,…,ws’n}；tr’包含詞匯序列{wr’1,wr’2,…,wr’n}；PMI()是兩個詞匯的點互信息，兩個詞匯w與w’的點互信息為PMI(w,w’)，則有：

式中，P(w,w’)＝P(w)P(w′|w)；

式中，z是主題，P(z＝j)是主題為j時的概率，P(w|z＝j)是主題為j時，詞匯w的條件概率，k是概念的數量；

式中，P(w′|z＝j)是主題為j時候w’的條件概率，P(z＝j|w)是詞匯為w時，主題j的條件概率。