[发明专利]基于LDA的母婴问题聚类分析方法、装置、计算机存储介质

权利要求书

1.一种基于LDA的母婴问题聚类分析方法，其特征在于，包括：

基于LTP对面向母婴领域的语料库中的待聚类文本进行依存句法分析，得到依存句法分析结果；根据预设核心要素在所述依存句法分析结果中位置进行核心主体词抽取操作，得到当前待聚类文本中的核心主体词集合从而形成聚类语料；收集海量的所述聚类预料形成聚类语料库，随机设置初始主题数，在初始主题数的条件下结合LDA算法对所述聚类语料库实施建模求解得到各主题以及主题下的关键词集合；其中，所述预设核心要素包括月龄、人群、症状；

基于上述处理得到多个所述主题下的关键词集合，计算任意两个主题词之间的相似度，得到任意两个主题间的相似度值，汇总多个任意两个主题间的相似度值得到各主题间的相似度值；

基于任意两个主题间的相似度值的结果，同时参考第一平均绝对误差方式计算得到当前主题与整体所有主题的相关性数值；汇总得到各个主题与整体所有主题的相关性数值；

计算同一主题下任意两个关键词之间互信息值，同时参考第二平均绝对误差方式，计算得到当前主题的内部关键词的互信值，从而计算得到各主题的内部关键词的互信息值；

通过以上步骤计算的各个主题与整体所有主题的相关性数值和各主题的内部关键词的互信息值，对当前主题对应的所述相关性数值以及所述互信息值这两个值进行加权，得到各主题的信息值：

在初始主题数的条件下，判断计算所述初始主题数下对应的所有主题的信息值均值I(N)是否满足预设目标条件；若否，则根据预设步长，在所述初始主题数基础上以所述预设步长为单位增量修改增加所述初始主题数的数值，不断验算修改后的初始主题数对应的所有主题的信息值均值I(N)是否满足预设目标条件，直至验算在满足预设目标条件时对应的修改后的初始主题数为目标主题数，且所述目标主题数为最优主题个数，且所述目标主题数对应的当前得到的结果也是最优聚类结果；

其中，所述预设目标条件为所有主题的信息值均值I(N)小于主题信息值阈值或者所有主题的信息值均值I(N)达到稳定状态。

2.根据权利要求1所述的基于LDA的母婴问题聚类分析方法，其特征在于，所述根据预设核心要素在根据依存句法分析结果中位置进行核心主体词抽取操作，得到当前待聚类文本中的核心主体词集合从而形成聚类语料，具体包括如下操作步骤：

获取依存句法分析结果，根据预设核心要素在所述依存句法分析结果中位置，得到所述当前待聚类文本中的主体核心词遵循的句法规则；

然后按照上述句法规则，对所述当前待聚类文本中对应的核心主体词进行抽取操作，抽取后得到所述当前待聚类文本中的核心主体词集合就是聚类语料。

3.根据权利要求2所述的基于LDA的母婴问题聚类分析方法，其特征在于，在初始主题数的条件下结合LDA算法对所述聚类语料库实施建模求解得到各主题以及主题下的关键词集合，具体包括如下操作步骤：

对所述聚类语料库进行向量化操作，得到文本向量矩阵和词袋模型；

然后结合LDA算法所述对文本向量矩阵进行建模和矩阵求解，从而得到所述初始主题数对应的文本-主题矩阵和主题-词矩阵，并结合所述词袋模型获得各主题下的关键词集合。

4.根据权利要求3所述的基于LDA的母婴问题聚类分析方法，其特征在于，基于上述处理得到多个所述主题下的关键词集合，计算任意两个主题词之间的相似度，得到任意两个主题间的相似度值，具体包括如下操作步骤：

基于上述处理得到多个所述主题下的关键词集合，对任意两个所述主题下的关键词集合进行相似度计算，从而得到任意两个主题间的相似度值。