[發明專利]基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法

有效

• 申請號: 202110441956.5
• 申請日: 2021-04-23
• 公開（公告）號: CN113127627B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 包致成;彭嶸榕;祁晨草
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/33;G06F16/35;G06F16/36
• 代理公司: 北京化育知識產權代理有限公司 11833
• 代理人: 尹均利

1.基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法，其特征在于，該方法包括以下步驟：

S1、通過數據預處理模塊對詩詞數據進行清洗及預處理，且通過LDA主題模型對詩詞數據進行訓練，生成Topics與LDA主題模型，同時將詩詞逐個輸入到LDA主題模型中，得到每首詩詞與Topics的相關性；

S2、將詩詞或Topics作為圖節點，以詩的固有屬性作為圖中詩詞節點與詩詞節點的邊，以詩詞與Topics的相關性作為詩詞節點與Topics節點的邊融合入已生成的詩詞知識圖譜中；

S3、將需要推薦的詩詞輸入詩詞推薦器，詩詞推薦器根據輸入的詩詞從詩詞知識圖譜中按照詩詞與Topics的相關性及其他詩詞屬性的共同特征查找最相關的詩詞，并向用戶輸出推薦詩詞。

2.根據權利要求1所述的基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法，其特征在于，所述S1中預處理包括詩詞分詞、剔除空數據、無效數據、剔除無情感意義的文字和重復數據；

其中，在數據預處理模塊，使用Jieba分詞將詩詞進行分詞處理，并根據詞語含義將每句詩詞分成多個中文短語，同時將詩詞中含義較弱的單字與詞語使用TF-IDF算法進行剔除。

3.根據權利要求1所述的基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法，其特征在于，所述S1中通過LDA主題模型對詩詞數據進行訓練，生成Topics包括以下步驟：

使用Jieba分詞將詩詞進行分詞處理并使用TF-IDF算法剔除詩詞集合中含義弱的詞語，并輸入到LDA主題模型中，且LDA主題模型將詩詞進行分類并生成一定數量的Topics；

將詩詞集合依次輸入已經由所有詩詞訓練好的LDA主題模型，并逐個生成所有詩詞與各Topics的相關性。

4.根據權利要求3所述的基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法，其特征在于，所述S1中LDA主題模型將詩詞進行分類并生成一定數量的Topics，其Topics數量的確定方法包括以下步驟：

將詩詞集合輸入LDA主題模型中并進行訓練，其Topics生成數量以10起步，并以10為步長分別訓練多個LDA主題模型，其Topics取值范圍為[10，Num_(poetry)/10]，其中Num_(poetry)為參與訓練的詩詞總數；

分別計算每個LDA主題模型的困惑度；

以困惑度作為選取LDA主題模型的標準，并從所有已經訓練好的LDA主題模型中選取困惑度最低的模型作為最終的模型，該模型所使用的Topics數量為最終模型訓練所用的Topics數量。

5.根據權利要求1所述的基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法，其特征在于，所述S2中將詩詞或Topics作為圖節點，以詩的固有屬性作為圖中詩詞節點與詩詞節點的邊，以詩詞與Topics的相關性作為詩詞節點與Topics節點的邊融合入已生成的詩詞知識圖譜中還包括以下步驟：

預先將Topics作為圖的節點加入到已生成的詩詞知識圖譜中，推薦詩詞時根據詩詞知識圖譜的Topics進行搜索。

6.根據權利要求5所述的基于LDA主題模型結合詩詞知識圖譜的詩詞推薦方法，其特征在于，所述詩詞數據的數據載體為圖數據庫Neo4j，將圖數據庫Neo4j作為數據載體，存儲詩詞數據的具體方式如下：

以詩詞或Topics作為圖節點，并以詩詞的固有屬性作為圖的邊，將詩詞節點與詩詞節點的連接，以詩詞與Topics的相關性作為圖的邊，將詩詞節點與Topics節點進行連接。