[发明专利]一种获取网络话题原型的方法及装置

权利要求书

1.一种获取网络话题原型的方法，其特征在于，包括：

基于所有候选网络话题，对所述候选网络话题对应的目标网页集合的相似度图进行拟合和重构，获得重构后的相似度图；所述候选网络话题通过对应的目标网页集合的相似度图进行聚类得到；

基于重构后的相似度图，获取所述候选网络话题中每个网络话题对应的原型网页；

所述基于所有候选网络话题，对所述候选网络话题对应的目标网页集合的相似度图进行拟合和重构，获得重构后的相似度图，具体包括：

根据目标网页集合的特征描述子构造相似度图，并对所述相似度图进行聚类以获取候选网络话题；

基于所有的候选网络话题对应的相似度图进行拟合，利用稀疏泊松反卷积算法获取所述候选网络话题的重构系数和稀疏相似度；

基于所述候选网络话题的重构系数和稀疏相似度，重构每个候选网络话题内部网页间的相似度图，以获得重构的相似度图。

2.根据权利要求1所述的方法，其特征在于，所述根据目标网页集合的特征描述子构造相似度图，进一步包括：

获取目标网页集合提取每个网页的特征描述子，其中，N为目标网页集合中网页的数量；

根据所述特征描述子计算每两个网页间的相似度，构造每两个网页间的相似度矩阵；

将所述相似度矩阵转化为k近邻相似度矩阵，并进一步通过高斯核将k近邻相似度矩阵转化为对应的关联矩阵，从而获得相似度图G，

G＝(V,H,A)；

其中，V为网页的集合；H为边的集合，所述边为k近邻相似度图之后两个网页间的连接，有连接则边为1，无连接则边为0；A为关联矩阵，A的元素为A_ij＝exp(-||S_ij||²/σ²)，其中，A_ij表示第i个网页和第j个网页之间的关系，S_ij为第i个网页和第j个网页之间的k近邻相似度矩阵的元素，σ为带宽控制参数，||·||为L2范数。

3.根据权利要求1所述的方法，其特征在于，所述对所述相似度图进行聚类以获取候选网络话题，进一步包括：

利用多粒度非负矩阵分解对所述相似度图进行聚类，具体包括：

对于非负且正交矩阵U∈R^N×K，其中，N为目标网页集合中网页的数量，K为聚类数，所述非负矩阵分解的目标函数为：其中，B为随机游走距离矩阵，其中，A为关联矩阵，衰变参数α∈(0,1)，矩阵D为对角矩阵，对角线上的值为A_ij表示第i个网页和第j个网页之间的关系；

对所述非负且正交矩阵U进行零一化，得到网页分类矩阵表示第m个网页属于第n类；

基于所述网页分类矩阵获取候选网络话题集合为其中c_k∈{0,1}^1×N，为所述网页分类矩阵的第k列的转置，※表示向量转置点乘该向量后得到的矩阵并将该矩阵的对角线元素值置为零的运算。