[发明专利]一种基于词云技术的可编辑文献主题可视化的构建方法

权利要求书

1.一种基于词云技术的可编辑文献主题可视化的构建方法，其特征在于具体步骤为：

第一步确定文献主题词词频

统计文档中出现的词汇总数为N，主题词个数为K，某一主题词为ai，在文档中出现的次数为n_ij；由此可知，文档中主题词的全集为A＝{a₁，a₂，a₃，...a_k}；

根据TF模型，得出某一主题词ai在文献主题词集合中的词频，用公式(1)表示：

公式(1)中，∑_kn_kj为文档中K个主题词出现的总次数；

第二步确定主题词ai在文档主题词中的权重

设主题词ai在文档中出现的概率与k个主题词在文档中出现的概率成正比，与非k个主题词出现的频次成反比，则ai的权重越大；反之越小；为了确认主题词ai的权重，根据TF-IDF权重公式计算ai权重，用公式(2)表示：

第三步确定主题词层次概率模型

由于主题词在文中不同部分出现的权重大小也不同，根据主题词的不同权重，建立以文档、主题和关键词三层的主题词层次结构，即建立全文、主题和关键词的主题词三级LDA模型，用公式(3)表示；

第四步建立基于词云技术的主题词抽取模型

由已确定的主题词在文档的权重分布概率可知，当文档中存在某一具体主题为ai的文档层次分布时，基于主题为ai的LDA模型同时满足全文、主题和关键词三级的多项式分布；对于ai在K个主题的符合多项分布的概率分布，用公式(4)表示：

第五步确定文档中不同主题的表现规则

根据已知全集A＝{a₁，a₂，a₃，...a_k}，由此可知，全文中K个主题词的分布满足公式(5)

第六步建立基于词云技术的主题可编辑模型

主题词A＝{a₁，a₂，a₃，...a_k}服从各个主题词在既定条件下的属于主题词合集中的概率

a₁～P(a₁|a₂，a₃，...，a_K)

a₂～P(a₂|a₁，a₃，...，a_K)

a₃～P(a₃|a₁，a₂，...，a_K)

......

a_K～P(a_K|a₁，a₂，...，a_K-1)

根据已知各个主题词的出现概率，对单个主题词进行编辑迭代，实现各个主题词分布的最优解，得到主题词全集A中的处于概率最高的K个主题词的分布排序；

至此，完成了基于词云技术的可编辑文献主题可视化的构建。