[發(fā)明專利]宮廷服飾文本主題生成方法、裝置、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811184543.8
• 申請日: 2018-10-11
• 公開（公告）號: CN109271519B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計(jì)）人: 趙海英
• 申請（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/289
• 代理公司: 北京柏杉松知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 項(xiàng)京;馬敬

本發(fā)明實(shí)施例提供了一種宮廷服飾文本主題生成方法、裝置、電子設(shè)備及存儲介質(zhì)，其中，該方法包括：獲取待處理的多個文本單元，分別對多個文本單元進(jìn)行分詞，得到每個文本單元對應(yīng)的詞集合，針對每個文本單元，計(jì)算該各文本單元對應(yīng)的詞集合中包括的各詞的詞頻向量，并將各詞的詞頻向量組合得到該文本單元的詞頻向量，根據(jù)每個文本單元的詞頻向量，通過狄利克雷算法，計(jì)算每個文本單元的主題向量，根據(jù)每兩個文本單元的主題向量，對多個文本單元進(jìn)行聚類，得到包含多個文本單元集合的聚類結(jié)果，針對每個文本單元集合，將該文本單元集合的文本單元包含的詞中，詞頻向量大于預(yù)設(shè)詞頻向量門限值的詞，作為對應(yīng)各文本單元集合的主題。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，特別是涉及一種宮廷服飾文本主題生成方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

宮廷服飾是指皇朝歷史期間，皇帝、皇后以及皇室成員和文武大臣在各種場合穿著的服飾，主要包括禮服、吉服、常服、行服、雨服、便服等等。宮廷服飾綜合反映了宮廷文化、藝術(shù)、服裝制造業(yè)水平等。對于宮廷服飾，除存留了珍貴豐富的歷史實(shí)物外，還有大量的相關(guān)專著、論文、圖案介紹說明等文本資料。

由于關(guān)于宮廷服飾的文本資料之間存在復(fù)雜的關(guān)系，為了便于學(xué)者研究，需要對文本資料進(jìn)行聚類。并且，在對文本資料進(jìn)行聚類研究后，還需要確定各聚類的主題，以確定各聚類所反映的主要內(nèi)容。然而，現(xiàn)有技術(shù)中并沒有確定宮廷服飾文本聚類的主題的方法。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例的目的在于提供一種宮廷服飾文本主題生成方法、裝置、電子設(shè)備及存儲介質(zhì)，以實(shí)現(xiàn)在對宮廷服飾文本聚類后，確定聚類的主題。具體技術(shù)方案如下：

第一方面，本發(fā)明實(shí)施例提供了一種宮廷服飾文本的主題生成方法，該方法包括：

獲取待處理的多個文本單元，分別對多個文本單元進(jìn)行分詞，得到每個文本單元對應(yīng)的詞集合；

針對每個文本單元，計(jì)算該各文本單元對應(yīng)的詞集合中包括的各詞的詞頻向量，并將各詞的詞頻向量組合得到該文本單元的詞頻向量；

根據(jù)每個文本單元的詞頻向量，通過狄利克雷算法，計(jì)算每個文本單元的主題向量；

根據(jù)每兩個文本單元的主題向量，對多個文本單元進(jìn)行聚類，得到包含多個文本單元集合的聚類結(jié)果；

針對每個文本單元集合，將該文本單元集合的文本單元包含的詞中，詞頻向量大于預(yù)設(shè)詞頻向量門限值的詞，作為對應(yīng)各文本單元集合的主題。

可選的，在針對每個文本單元，計(jì)算該各文本單元對應(yīng)的詞集合中包括的各詞的詞頻向量，并將各詞的詞頻向量組合得到該文本單元的詞頻向量之后，本發(fā)明實(shí)施例的一種宮廷服飾文本主題生成方法還包括：

通過TF-IDF算法對每個文本單元的詞頻向量進(jìn)行修正，得到每個文本單元修正后的詞頻向量；

相應(yīng)的，根據(jù)每個文本單元的詞頻向量，通過狄利克雷算法，計(jì)算每個文本單元的主題向量，包括：

根據(jù)每個文本單元修正后的詞頻向量，通過狄利克雷算法，計(jì)算每個文本單元的主題向量。

可選的，根據(jù)每兩個文本單元的主題向量，對多個文本單元進(jìn)行聚類，得到包含多個文本單元集合的聚類結(jié)果，包括：

根據(jù)每兩個文本單元的主題向量，計(jì)算每兩個文本單元之間的余弦距離；

以每個文本單元為頂點(diǎn)，以每兩個文本單元之間的余弦距離為每兩個文本單元之間的邊，建立包含多個文本單元的網(wǎng)絡(luò)圖；

針對多個文本單元的網(wǎng)絡(luò)圖，通過Tabu搜索算法，對多個文本單元進(jìn)行聚類，得到包含多個文本單元集合的聚類結(jié)果。

可選的，以每個文本單元為頂點(diǎn)，以每兩個文本單元之間的余弦距離為每兩個文本單元之間的邊，建立包含多個文本單元的網(wǎng)絡(luò)圖，包括：