[发明专利]语义和知识扩展主题模型的网络媒体事件的类别检测方法

权利要求书

1.一种语义和知识扩展主题模型的网络媒体事件的类别检测方法，其特征包括：

步骤1、获取网络媒体事件的数据集，并对数据集中每篇文档的文本数据进行分句分词、词形还原、词性标注的预处理，从而构建文本字典；

步骤2、对所述数据集中每篇文档相应的图像数据并进行分块处理，将分块后的每个小块作为一个视觉单词，提取每个视觉单词的图像特征，从而构建视觉词字典；

步骤3、利用式(1)构建网络媒体事件的分类损失函数：

式(1)中，q表示后验分布，L()表示后验分布q的对数似然的上界，c表示正则化参数，D表示所述数据集中的文档数，L表示网络媒体事件的类别数，Ε_q[]表示关于后验分布q的数学期望，表示第d篇文档属于第l个类别的铰链损失函数，并有：

式(2)中，η_l表示第l个类别的判别系数，上标T表示转置，ι表示预定义的代价参数，表示第d篇文档的主题经验比例，表示第d篇文档是否属于第l个类别的二分类标签，并有：

式(3)中，y_d表示第d篇文档的实际类别标签；

步骤4、数据的生成过程：

步骤4.1、从先验参数为α的狄利克雷分布中采样第d篇文档的主题分布参数θ_d；

步骤4.2、对于第k个主题：

(1)从先验参数为β^w的狄利克雷分布中采样数据集所对应的文本模态的词分布

(2)从先验参数为β^v的狄利克雷分布中采样数据集所对应的视觉模态的词分布

(3)从先验参数为(μ₀,C₀)的vMF分布中采样位置参数μ_k；

(4)从先验参数为的对数正态分布中采样vMF分布的宽度参数κ_k；

步骤4.3、令u＝(d,m₀)表示第d篇文档的第m₀个实体向量的下标：

(1)从主题分布参数为θ_d的多项式分布中采样一个主题

(2)从参数为的vMF分布中采样第d篇文档的第m₀个实体向量e_u；

步骤4.4、令i＝(d,m₁)表示第d篇文档的第m₁个文本词的下标：

(1)从主题分布参数为θ_d的多项式分布中采样一个主题

(2)根据第m₁个文本词w_i的词性先验p，从参数为的多项式分布中采样S_p次第m₁个文本词w_i；

步骤4.5、令j＝(d,m₂)表示第d篇文档的第m₂个视觉词的下标：

(1)从主题分布参数为θ_d的多项式分布中采样一个主题

(2)从参数为的多项式分布中采样第d篇文档的第m₂个视觉词v_j；

步骤4.6、采样第d篇文档的实际类别标签y_d：

(1)对于判别系数η，依次从参数为(0,σ²)的正态分布中采样其第k个分量η_k；

(2)从参数为的max-margin分布中采样第d篇文档的实际类别标签y_d；

步骤5、利用生成过程构建如式(4)所示的联合分布q(η,λ,z,θ,Φ^w,Φ^v)：

式(4)中，ψ(y,w,v,E)表示归一化常数，其中，y表示类别变量，w表示文本词向量，v表示视觉词向量，E表示知识实体矩阵；p₀(η,z,θ,Φ^w,Φ^v)表示先验分布，其中，z表示主题分配向量，θ表示主题比例，Φ^w表示文本词分布的参数矩阵，Φ^v表示视觉词分布的参数矩阵，p(w,v,E|z,Φ^w,Φ^v)是生成过程的条件概率；是表示类别信息的后验分布，其中，λ是增广变量；

步骤6、利用式(5)得到采样实体向量主题的概率：

式(5)中，表示去掉下标u对应实体向量的主题分配后，下标u对应实体向量分配到第k个主题下的概率，表示去掉下标u对应实体向量的主题计数后第d篇文档中第k个主题下的计数；α为狄利克雷先验；C_L(x)表示vMF分布的系数函数，||.||表示向量的模；κ_k是vMF分布的宽度参数；e_ii表示第d篇文档中第ii个实体向量；(μ₀,C₀)是vMF分布的先验参数；

步骤7、利用式(6)采样vMF分布的宽度参数：

式(6)中，表示第k个主题的实体向量计数；logNormal(·)表示对数正态分布的概率密度函数；为对数正态分布的先验参数；

步骤8、利用式(7)采样判别系数η：

q(η|z,λ)∝N(μ,Σ) (7)

式(7)中，判别系数η的先验服从高斯分布，即p₀(η_k)＝N(0,σ²)，其中，σ是一个非零参数；μ表示均值，Σ表示协方差矩阵，并有：

式(8)中，表示第d篇文档的主题经验比例；上标T表示转置；I表示单位矩阵；

步骤9、利用式(9)采样文本词的主题：

式(9)中，表示文本模态中去掉下标i对应文本词的主题后的主题向量；w_i＝t₀表示文本词w_i对应文本字典中第t₀个词项；表示去掉下标i对应文本词的主题计数后第k个主题下属于第t₀个词项的单词计数；表示去掉下标i对应文本词的主题计数后第d篇文档中第k个主题下的计数；α,β都为狄利克雷先验；为第d篇文档在第l个类别下的增广值；表示第d篇文档中的文本词个数；η_lk表示第l个类别对应的判别向量的第k维的值；表示排除下标i对应的词的判别式函数值，且

步骤10、利用式(10)采样视觉词的主题：

式(9)中，表示视觉模态中去掉下标j对应视觉词的主题后的主题向量；v_j＝t₁表示视觉词v_j对应视觉字典中第t₁个词项；表示去掉下标j对应视觉词的主题计数后第k个主题下属于第t₁个词项的单词计数；表示去掉下标j对应视觉词的主题计数后第d篇文档中第k个主题下的计数；表示第d篇文档中的视觉词个数；表示排除下标j对应的词的判别式函数值，且

步骤11、利用式(11)采样第d篇文档的增广值变量λ_d：

式(11)中，GIG(x；p,a,b)是广义逆高斯分布；

步骤12、在吉布斯采样的过程中，利用式(12)估计主题分布参数θ_d、文本模态的词分布参数和视觉模态的词分布参数

式(10)中，分别为第d篇文档中的文本词、视觉词以及实体向量的个数，K为主题数，M^w表示文本词典的长度，M^v表示视觉词典的长度；n_d,k表示第d篇文档中第k个主题下的单词及实体向量计数，表示文本模态中第k个主题下第t₀个词项的单词计数，表示文本模态中第k个主题下总的单词计数，表示视觉模态中第k个主题下第t₁个词项的单词计数，表示视觉模态中第k个主题下总的单词计数；

步骤13、利用式(13)预测文档属于判别式函数值最大的单一类别：

式(13)中，L是类别数目。