[发明专利]一种主题相关度判别方法及装置

权利要求书

1.一种主题相关度判别方法，其特征在于，包括：

对获取的网页构建网页特征向量；

利用预先训练的语义向量空间模型对选定的主题特征向量与网页特征向量之间的相似度进行计算；

筛选出相似度高于预设值的网页特征向量，得到机器学习的训练集合；

基于所述训练集合，创建长短期记忆网络；

利用所述长短期记忆网络基于所述网页特征向量，按照主题特征对网页进行分类；

所述利用预先训练的语义向量空间模型对选定的主题特征向量与网页特征向量之间的相似度进行计算，包括：

获取所述主题特征向量与所述网页特征向量之间的余弦相似度；

根据所述主题特征向量和所述网页特征向量中的特征词项获取所述主题特征向量与所述网页特征向量之间的第一语义相似度；

根据所述第一语义相似度与所述余弦相似度计算主题特征向量与网页特征向量之间的相似度；

所述根据所述主题特征向量和所述网页特征向量中的特征词项获取所述主题特征向量与所述网页特征向量之间的第一语义相似度，包括：

选取所述主题特征向量和所述网页特征向量中的特征词项，并计算特征词项之间的第二语义相似度；

根据所述第二语义相似度计算第一语义相似度。

2.根据权利要求1所述的主题相关度判别方法，其特征在于，语义向量空间模型的训练步骤包括：

对收集的网页样本进行分词、词干还原和词性标注处理后选择关键词；

对所述关键词利用TFIDF算法计算其在网页样本中的权重并筛选权重排序前30%的名词和动词；

利用筛选出的名词和动词作为主题样本的特征向量；

用所述主题样本的特征向量对所述语义向量空间模型进行训练。

3.一种主题相关度判别装置，其特征在于，包括：

特征向量构建单元，用于对获取的网页构建网页特征向量；

相似度计算单元，用于利用预先训练的语义向量空间模型对选定的主题特征向量与网页特征向量之间的相似度进行计算；

相似度判别单元，用于筛选出相似度高于预设值的网页特征向量，得到机器学习的训练集合；基于所述训练集合，创建长短期记忆网络；利用所述长短期记忆网络基于所述网页特征向量，按照主题特征对网页进行分类；

所述相似度计算单元包括：

余弦相似度计算模块，用于获取所述主题特征向量与所述网页特征向量之间的余弦相似度；

第一语义相似度计算模块，用于根据所述主题特征向量和所述网页特征向量中的特征词项获取所述主题特征向量与所述网页特征向量之间的第一语义相似度；

相关度计算模块，用于根据所述第一语义相似度与所述余弦相似度计算主题特征向量与网页特征向量之间的相似度；

所述第一语义相似度计算模块包括：

第二语义相似度计算模块，用于选取所述主题特征向量和所述网页特征向量中的特征词项，并计算特征词项之间的第二语义相似度；

计算模块，用于根据所述第二语义相似度计算第一语义相似度。

4.根据权利要求3所述的主题相关度判别装置，其特征在于，语义向量空间模型的训练步骤包括：

对收集的网页样本进行分词、词干还原和词性标注处理后选择关键词；

对所述关键词利用TFIDF算法计算其在网页样本中的权重并筛选权重排序前30%的名词和动词；

利用筛选出的名词和动词作为主题样本的特征向量；

用所述主题样本的特征向量对所述语义向量空间模型进行训练。

5.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1或2中任意一项所述主题相关度判别方法。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1或2中任意一项所述主题相关度判别方法。