[发明专利]一种基于LDA和D2V进行摘要抽取的文本生成方法

权利要求书

1.一种基于LDA和D2V进行摘要抽取的文本生成方法，其特征在于，包括以下步骤：

步骤1：将利用LDA模型对数据源进行主题分类，得到各主题的分类概率；

步骤2：将数据源中的每个文本单独处理，对单独的文本依次进行分句、分词处理；再计算各句子所属主题的概率：一个句子中的词所属各个主题的概率之和除以句子长度；所述句子长度为句子中词的总数；根据各句子所属主题的概率将各句子分类到所属概率最大的主题下，得到文本中各主题下的句子簇；

步骤3：句子向量化处理：将文本中各主题下的句子簇输入到训练好的D2V模型中，得到相应句子簇的句子向量集合；

步骤4：在各个句子簇中计算各句子的句子向量与其他句子向量间相似性的熵，选择熵最大的句子作为该簇的摘要句；

步骤5：将文本中所有主题的摘要句组织成该文本的摘要内容。

2.如权利要求1所述方法，其特征在于，其中，各句子的熵的计算方式为：

其中，为同一个句子类簇中的第i个句子的句子向量s_i与第j个句子的句子向量s_j之间的相似度，m为同一句子类簇中除第i个句子以外的其余句子向量的个数，d(s_i,s_j)表示两个句子向量之间的欧姆距离，表示第i个句子在句子簇中的熵。