[发明专利]一种基于选择单元的主题建模方法

权利要求书

1.一种基于选择单元的主题建模方法，其特征在于包括如下步骤： 

1)根据用户的查询请求以及是要查询文本数据或图像数据提取多媒体数据库中的搜索结果； 

2)如果查询请求是针对文本数据的，提取搜索到的文本数据中的单词、片段结构和单词特征，如果查询请求是针对图像数据的，提取搜索到的图像数据中的视觉单词、片段结构和视觉单词特征； 

3)根据系统自动设定或用户指定的参数，确定建模采用的主题数T； 

4)对于数据集包含的每个片段结构，随机地分配T个主题中的一个作为片段结构的主题； 

5)对于数据集包含的每个单词，随机地分配T个主题中的一个作为单词主题； 

6)对于数据集包含的每个单词，随机地分配一个0-1二元选择子，选择子用于指定每个单词被分配到其所属的片段结构的主题或是其自身的主题上； 

7)通过Gibbs采样过程迭代地确定所有片段结构主题、单词主题以及选择子； 

8)根据片段结构主题和单词主题最终分配结果向用户反馈各个主题最显著的文档或图片以及最有代表性的单词信息； 

9)根据选择子最终分配结果向用户反馈具有各种特征的单词表达它们所在片段结构的主题的能力。 

2.根据权利要求1所述的一种基于选择单元的主题建模方法，其特征在于所述的提取搜索到的文本数据中的单词、片段结构和单词特征的步骤如下： 

1)采用自然语言处理工具对文档进行分句，以得到的语句作为文本数据的片段结构； 

2)采用自然语言处理工具标注每个词的词性，以得到的词性标注结构作为各单词的特征； 

3)去除其中无用的高频词以及频数过低的生僻词； 

4)统计处理后文本中所有出现过的词，组成词汇表。 

3.根据权利要求1所述的一种基于选择单元的主题建模方法，其特征在于所述的提取搜索到的图像数据中的视觉单词、片段结构和视觉单词特征的步骤如下： 

1)使用OpenSIFT提取所有图片的SIFT特征，构成一个128维特征点的集合； 

2)将特征点集合用K-means聚类得到一组视觉词典，并将所有SIFT点按聚类结果替换为词典中的视觉单词； 

3)采用图像分割和人工标注手段提取图片中的物体边界、颜色直方图等属性，并以物体边界作为图像中的片段结构； 

4)对物体进行聚类得到各视觉单词所属的类别标签，并以该类别标签作为视觉单词的特征。