[发明专利]一种基于多样深层主题模型的文本分析方法

权利要求书

1.一种基于多样深层主题模型的文本分析方法，其特征在于，包括：

构建文本数据的训练样本集与测试样本集；

根据所述训练样本集构建多样深层主题模型，并初始化所述多样深层主题模型的初始模型参数；

根据所述训练样本集训练多样深层主题模型得到训练模型参数，并根据训练模型参数更新所述初始模型参数得到训练后多样深层主题模型；

根据所述测试样本集训练所述训练后多样深层主题模型得到若干测试隐层特征；

根据所述若干测试隐层特征对所述文本数据进行可视化分析，得到若干文本主题；

根据所述若干文本主题、所述训练样本集、所述测试隐层特征与所述测试后多样深层主题模型对所述文本数据进行分类。

2.根据权利要求1所述的基于多样深层主题模型的文本分析方法，其特征在于，根据所述训练样本集构建多样深层主题模型，并初始化所述多样深层主题模型的初始模型参数，所述初始模型参数为隐层特征，包括：

根据所述多样深层主题模型得到若干所述多样深层主题模型的隐层特征，所述多样深层主题模型的隐层特征包括多样隐变量和共享隐变量；

初始化若干所述多样隐变量和所述共享隐变量。

3.根据权利要求1所述的基于多样深层主题模型的文本分析方法，其特征在于，根据所述训练样本集训练多样深层主题模型得到训练模型参数，并根据训练模型参数更新所述初始模型参数得到训练后多样深层主题模型，所述训练模型参数为训练隐层特征，包括：

将所述训练样本集分为若干训练数据集；

若干所述训练数据集在多样深层主题模型中进行若干次分析，得到若干训练模型参数；

根据所述若干训练模型参数更新所述初始模型参数，得到训练后多样深层主题模型。

4.根据权利要求1所述的基于多样深层主题模型的文本分析方法，其特征在于，根据所述若干文本主题、所述训练样本集、所述测试隐层特征与所述测试后多样深层主题模型对所述文本数据进行分类，包括：

根据所述训练样本集、所述若干文本主题以及测试隐层特征的带训练支持向量机分类；

根据所述训练支持向量机分类对测试样本集进行分类，得到预测文本类别标签；

将预测样本集的类别标签与预测文本类别标签作对比，得到文本分类正确率，并完成对文本数据的分类。