[發明專利]一種主題生成方法、裝置和設備及介質在審
| 申請號： | 201910731685.X | 申請日： | 2019-08-08 |
| 公開（公告）號： | CN110442733A | 公開（公告）日： | 2019-11-12 |
| 發明（設計）人： | 婁東方;林金曙;金基東;盧長松;廖智霖;陳華華;張奇明;劉全;沈曉峰 | 申請（專利權）人： | 恒生電子股份有限公司 |
| 主分類號： | G06F16/36 | 分類號： | G06F16/36;G06F16/35;G06F16/33 |
| 代理公司： | 北京集佳知識產權代理有限公司 11227 | 代理人： | 朱靜 |
| 地址： | 310053 浙江省杭州市*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 文本 詞向量 文本集 分詞 圖譜信息 主題模型 主題生成 匹配 存儲介質 可擴展性 解釋性 有效地 向量 圖譜 融合 申請 | ||
1.一種主題生成方法，其特征在于，包括：
獲取待生成主題的文本集；
基于所述文本集領域匹配的詞向量模型，確定所述文本集中各文本中分詞的詞向量；
基于所述文本集領域匹配的知識圖譜，確定所述文本集中各文本中分詞的知識圖譜信息；
根據所述文本集融合所述文本集中各文本中分詞的知識圖譜信息和詞向量，訓練主題模型得到所述文本集中各文本各自對應的主題表示向量。
2.根據權利要求1所述方法，其特征在于，所述主題模型為高斯LDA主題模型，則所述基于與所述文本集領域相匹配的知識圖譜，確定所述文本集中各文本中分詞的知識圖譜信息，包括：
針對所述文本集中各文本，確定各文本中的實體分詞；
基于與所述文本集領域相匹配的知識圖譜，確定各實體分詞的知識圖譜信息。
3.根據權利要求1所述方法，其特征在于，所述主題模型為高斯LDA主題模型，則所述基于所述文本集領域匹配的詞向量模型確定所述文本集中各文本中分詞的詞向量，包括：
針對所述文本集中各文本，確定各文本中的非實體分詞；
基于與所述文本集領域相匹配的詞向量模型，確定各非實體分詞的詞向量。
4.根據權利要求1所述方法，其特征在于，所述主題模型為BTM主題模型時，則所述基于與所述文本集領域相匹配的知識圖譜，確定所述文本集中各文本中分詞的知識圖譜信息，包括：
針對所述文本集中各文本，確定各文本中的分詞；
基于與所述文本集領域相匹配的知識圖譜，確定各分詞的知識圖譜信息。
5.根據權利要求1所述方法，其特征在于，所述主題模型為BTM主題模型時，則所述基于所述文本集領域匹配的詞向量模型確定所述文本集中各文本中分詞的詞向量，包括：
針對所述文本集中各文本，確定各文本中的分詞；
基于與所述文本集領域相匹配的詞向量模型，確定各分詞的詞向量。
6.根據權利要求1所述方法，其特征在于，所述方法還包括：
通過K-Means算法，基于各文本對應的主題向量進行文本聚類得到K個類簇；
根據K個類簇中心的余弦相似度進行二次聚合得到文本聚類結果。
7.根據權利要求6所述方法，其特征在于，所述方法還包括：
根據所述文本聚類結果計算熱度系數，選擇熱度系數最高的N類文本的類簇作為熱點話題。
8.一種主題生成裝置，其特征在于，包括：
獲取模塊，用于獲取待生成主題的文本集；
詞向量確定模塊，用于基于所述文本集領域匹配的詞向量模型，確定所述文本集中各文本中分詞的詞向量；
知識圖譜信息確定模塊，用于基于所述文本集領域匹配的知識圖譜，確定所述文本集中各文本中分詞的知識圖譜信息；
主題生成模塊，用于根據所述文本集融合所述文本集中各文本中分詞的知識圖譜信息和詞向量，訓練主題模型，所述主題模型用于對輸入的文本進行建模以輸出文本對應的主題表示向量。
9.一種設備，其特征在于，所述設備包括處理器以及存儲器：
所述存儲器用于存儲計算機程序；
所述處理器用于根據所述計算機程序中的指令執行權利要求1至7任一項所述方法。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲計算機程序，所述計算機程序用于執行權利要求1至7中任一項所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于恒生電子股份有限公司，未經恒生電子股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910731685.X/1.html，轉載請聲明來源鉆瓜專利網。
