[发明专利]一种文档主题的在线追踪方法有效
| 申请号： | 201310223574.0 | 申请日： | 2013-07-25 |
| 公开（公告）号： | CN103345474B | 公开（公告）日： | 2017-02-08 |
| 发明（设计）人： | 龚声蓉;刘纯平;叶芸;季怡;王朝晖 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京康盛知识产权代理有限公司11331 | 代理人： | 伊美年 |
| 地址： | 215000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 文档 主题 在线 追踪 方法 | ||
【权利要求书】：
1.一种文档主题的在线追踪方法，其特征在于，包括以下步骤：
（1）对数据进行预处理，将数据切分成若干独立段，然后逐段训练；
（2）对数据在主题模型上采用在线学习算法进行训练，其中每段的训练均权重取决于已经训练得到的结果；
（3）对每段训练得到的结果进行主题演变计算，对相应的主题进行追踪。
2.根据权利要求1所述的文档主题的在线追踪方法，其特征在于，所述在线学习算法为基于概率潜在语义分析(PLSA)模型和潜在狄利克雷分布(LDA)模型的在线学习算法。
3.根据权利要求2所述的文档主题的在线追踪方法，其特征在于，所述基于概率潜在语义分析(PLSA)模型的在线学习算法为基于概率潜在语义分析（PLSA）模型改进因子图表示的在线消息传递（OBP）算法。
4.根据权利要求2所述的文档主题的在线追踪方法，其特征在于，所述基于潜在狄利克雷分布(LDA)模型的在线学习算法为基于潜在狄利克雷分布(LDA)模型改进因子图表示的在线消息传递（OBP）算法。
5.根据权利要求1所述的文档主题的在线追踪方法，其特征在于，所述步骤（3）具体为：对流数据的不断训练，给出当前最热冷门主题，并更准确地计算各个主题的变化趋势。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州大学，未经苏州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201310223574.0/1.html，转载请声明来源钻瓜专利网。
