[发明专利]基于PLSA算法判断文档相关性的方法及装置

权利要求书

1.一种基于PLSA算法判断文档相关性的方法，包括：

根据文档信息确定待处理的元素以及所述元素对应的分类；

将所述元素的个数N确定为PLSA算法中所需的计算矩阵的列数，将所述分类的个数M确定为所述计算矩阵的行数，其中，所述计算矩阵中的矩阵数据表示元素与分类之间的对应关系，N和M均为自然数；

通过硬聚类算法将N个待处理的元素汇聚为M个分类，得到每个元素在各个分类下的隶属度取值；

根据所述每个元素在各个分类下的隶属度取值，对所述计算矩阵中的矩阵数据进行初始化，并根据PLSA算法对初始化之后的矩阵数据进行迭代运算，根据运算结果判断文档是否相关。

2.如权利要求1所述的方法，其中，所述文档信息包括：文档标号以及文档所属的主题，则所述待处理的元素为所述文档标号，所述分类为所述文档所属的主题，则所述计算矩阵中的矩阵数据表示文档标号与主题之间的对应关系。

3.如权利要求1所述的方法，其中，所述文档信息包括：文档所属的主题以及文档中的词汇，则所述待处理的元素为所述文档中的词汇，所述分类为所述文档所属的主题，所述计算矩阵中的矩阵数据表示词汇与主题之间的对应关系。

4.如权利要求1-3中任一所述的方法，其中，所述硬聚类算法为MinHash算法或SimHash算法。

5.如权利要求1-4中任一所述的方法，其中，每个元素在各个分类下的隶属度取值为0或1，则所述根据每个元素在各个分类下的隶属度取值，对所述计算矩阵中的矩阵数据进行初始化的步骤具体包括：

当一个元素在指定分类下的隶属度取值为0时，将所述计算矩阵中相应的矩阵数据初始化为0；当一个元素在指定分类下的隶属度取值为1时，将所述计算矩阵中相应的矩阵数据初始化为1；

进一步判断每一行的矩阵数据之和是否大于1，并在大于1时对该行数据进行归一化，使该行数据之和等于1。

6.一种基于PLSA算法判断文档相关性的装置，包括：

确定单元，适于根据文档信息确定待处理的元素以及所述元素对应的分类，将所述元素的个数N确定为PLSA算法中所需的计算矩阵的列数，将所述分类的个数M确定为所述计算矩阵的行数，其中，所述计算矩阵中的矩阵数据表示元素与分类之间的对应关系，N和M均为自然数；

聚类单元，适于通过硬聚类算法将N个待处理的元素汇聚为M个分类，得到每个元素在各个分类下的隶属度取值；

计算单元，适于根据所述每个元素在各个分类下的隶属度取值，对所述计算矩阵中的矩阵数据进行初始化，并根据PLSA算法对初始化之后的矩阵数据进行迭代运算，根据运算结果判断文档是否相关。

7.如权利要求6所述的装置，其中，所述文档信息包括：文档标号以及文档所属的主题，则所述待处理的元素为所述文档标号，所述分类为所述文档所属的主题，则所述计算矩阵中的矩阵数据表示文档标号与主题之间的对应关系。

8.如权利要求6所述的装置，其中，所述文档信息包括：文档所属的主题以及文档中的词汇，则所述待处理的元素为所述文档中的词汇，所述分类为所述文档所属的主题，所述计算矩阵中的矩阵数据表示词汇与主题之间的对应关系。

9.如权利要求6-8中任一所述的装置，其中，所述硬聚类算法为MinHash算法或SimHash算法。

10.如权利要求6-9中任一所述的装置，其中，每个元素在各个分类下的隶属度取值为0或1，则所述计算单元具体适于：

当一个元素在指定分类下的隶属度取值为0时，将所述计算矩阵中相应的矩阵数据初始化为0；当一个元素在指定分类下的隶属度取值为1时，将所述计算矩阵中相应的矩阵数据初始化为1；

进一步判断每一行的矩阵数据之和是否大于1，并在大于1时对该行数据进行归一化，使该行数据之和等于1。