[發明專利]一種基于多樣深層主題模型的文本分析方法在審
| 申請號： | 201910750551.2 | 申請日： | 2019-08-14 |
| 公開（公告）號： | CN112395413A | 公開（公告）日： | 2021-02-23 |
| 發明（設計）人： | 陳渤;陳文超;趙倩茹;劉應祺;劉宏偉 | 申請（專利權）人： | 西安電子科技大學 |
| 主分類號： | G06F16/35 | 分類號： | G06F16/35 |
| 代理公司： | 西安嘉思特知識產權代理事務所(普通合伙) 61230 | 代理人： | 張捷 |
| 地址： | 710071*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 多樣 深層 主題 模型 文本 分析 方法 | ||
1.一種基于多樣深層主題模型的文本分析方法，其特征在于，包括：
構建文本數據的訓練樣本集與測試樣本集；
根據所述訓練樣本集構建多樣深層主題模型，并初始化所述多樣深層主題模型的初始模型參數；
根據所述訓練樣本集訓練多樣深層主題模型得到訓練模型參數，并根據訓練模型參數更新所述初始模型參數得到訓練后多樣深層主題模型；
根據所述測試樣本集訓練所述訓練后多樣深層主題模型得到若干測試隱層特征；
根據所述若干測試隱層特征對所述文本數據進行可視化分析，得到若干文本主題；
根據所述若干文本主題、所述訓練樣本集、所述測試隱層特征與所述測試后多樣深層主題模型對所述文本數據進行分類。
2.根據權利要求1所述的基于多樣深層主題模型的文本分析方法，其特征在于，根據所述訓練樣本集構建多樣深層主題模型，并初始化所述多樣深層主題模型的初始模型參數，所述初始模型參數為隱層特征，包括：
根據所述多樣深層主題模型得到若干所述多樣深層主題模型的隱層特征，所述多樣深層主題模型的隱層特征包括多樣隱變量和共享隱變量；
初始化若干所述多樣隱變量和所述共享隱變量。
3.根據權利要求1所述的基于多樣深層主題模型的文本分析方法，其特征在于，根據所述訓練樣本集訓練多樣深層主題模型得到訓練模型參數，并根據訓練模型參數更新所述初始模型參數得到訓練后多樣深層主題模型，所述訓練模型參數為訓練隱層特征，包括：
將所述訓練樣本集分為若干訓練數據集；
若干所述訓練數據集在多樣深層主題模型中進行若干次分析，得到若干訓練模型參數；
根據所述若干訓練模型參數更新所述初始模型參數，得到訓練后多樣深層主題模型。
4.根據權利要求1所述的基于多樣深層主題模型的文本分析方法，其特征在于，根據所述若干文本主題、所述訓練樣本集、所述測試隱層特征與所述測試后多樣深層主題模型對所述文本數據進行分類，包括：
根據所述訓練樣本集、所述若干文本主題以及測試隱層特征的帶訓練支持向量機分類；
根據所述訓練支持向量機分類對測試樣本集進行分類，得到預測文本類別標簽；
將預測樣本集的類別標簽與預測文本類別標簽作對比，得到文本分類正確率，并完成對文本數據的分類。
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西安電子科技大學，未經西安電子科技大學許可，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/201910750551.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種采用分隔壁精餾塔分離醋酸加氫制乙醇產物的方法
- 下一篇：智能電飯煲
