[发明专利]最优主题数获取方法及装置

权利要求书

1.一种最优主题数获取方法，其特征在于，包括：

获取主题模型中使用的若干个主题数；

对应每一个所述主题数，获取所述主题数对应的，每个主题中每个词语出现的第一概率，以及每个文档中每个主题出现的第二概率；

基于所述第一概率和所述第二概率，计算两两主题间的第一相似度，以及两两词语间的第二相似度；

基于所述主题数对应的两两主题间的第一相似度、所述主题数对应的两两词语间的第二相似度以及所述主题数，计算所述主题数对应的平衡相似度，所述平衡相似度的大小用于衡量主题数的优劣；

将平衡相似度满足预设条件时的主题数确定为最优主题数。

2.根据权利要求1所述的方法，其特征在于，所述基于所述主题数对应的两两主题间的第一相似度、所述主题数对应的两两词语间的第二相似度以及所述主题数，计算所述主题数对应的平衡相似度，包括：

计算所述主题数对应的两两主题间的第一相似度的第一和值，以及所述主题数对应的两两词语间的第二相似度的第二和值；

将所述第一和值和所述第二和值的乘积与所述主题数的平方值做商运算，得到所述主题数对应的平衡相似度。

3.根据权利要求2所述的方法，其特征在于，所述将平衡相似度满足预设条件时的主题数确定为最优主题数，包括：

将平衡相似度最小时的主题数确定为最优主题数。

4.根据权利要求1所述的方法，其特征在于，基于所述第一概率计算两两主题间的第一相似度，包括：

获取与第一主题对应的第一向量，以及与第二主题对应的第二向量；所述第一向量中的元素为所述第一主题中各个词语出现的第一概率，所述第二向量中的元素为所述第二主题中各个词语出现的第一概率；

基于所述第一向量和所述第二向量计算所述第一主题和所述第二主题间的第一相似度。

5.根据权利要求1所述的方法，其特征在于，基于所述第一概率和所述第二概率计算两两词语间的第二相似度，包括：

计算不同文档中同一主题出现的第二概率的第三和值；

对应每一个主题，计算主题对应的所述第三和值与主题中第一词语出现的第一概率的第一乘积，将第一乘积结果与语料库中所述第一词语的词频做商运算，得到在所述第一词语出现的条件下，每一个主题的第三概率；计算主题对应的所述第三和值与主题中第二词语出现的第一概率的第二乘积，将第二乘积结果与语料库中所述第二词语的词频做商运算，得到在所述第二词语出现的条件下，每一个主题的第四概率；

获取与所述第一词语对应的第三向量，以及与所述第二词语对应的第四向量；所述第三向量中的元素为在所述第一词语出现的条件下，各个主题的第三概率；所述第四向量中的元素为在所述第二词语出现的条件下，各个主题的第四概率；

基于所述第三向量和所述第四向量计算所述第一词语和所述第二词语间的第二相似度。

6.一种最优主题数获取装置，其特征在于，包括：

第一获取模块，用于获取主题模型中使用的若干个主题数；

第二获取模块，用于对应每一个所述主题数，获取所述主题数对应的，每个主题中每个词语出现的第一概率，以及每个文档中每个主题出现的第二概率；

第一计算模块，用于基于所述第一概率和所述第二概率，计算两两主题间的第一相似度，以及两两词语间的第二相似度；

第二计算模块，用于基于所述主题数对应的两两主题间的第一相似度、所述主题数对应的两两词语间的第二相似度以及所述主题数，计算所述主题数对应的平衡相似度，所述平衡相似度的大小用于衡量主题数的优劣；

确定模块，用于将平衡相似度满足预设条件时的主题数确定为最优主题数。

7.根据权利要求6所述的装置，其特征在于，所述第二计算模块包括：

第一计算单元，用于计算所述主题数对应的两两主题间的第一相似度的第一和值，以及所述主题数对应的两两词语间的第二相似度的第二和值；

第二计算单元，用于将所述第一和值和所述第二和值的乘积与所述主题数的平方值做商运算，得到所述主题数对应的平衡相似度。