[发明专利]基于在线增量演化主题模型的软件自动分类方法

摘要

一种基于在线增量演化主题模型的软件自动分类方法，包括获取软件相关文本，以预定时间片进行分组和预处理；生成在线演化主题模型的概率模型，针对以时间片分组的项目描述文本，计算最优主题个数，增量式计算当前时间片内项目描述文本的主题词汇分布和主题文本分布；获取未知分类主题的文本d，根据主题词汇分布和主题文本分布计算文本d从属的n个主题的主题词汇分布，所述文本d分类到相应的主题中基于词汇表和基于词汇本体查询，为主题自动添加语义标签，最终完成软件项目的分类。能够及时发现开源社区出现的新主题，并对软件项目进行自动分类，方便软件开发者依据软件主题搜索需要的开源软件项目，从而提高软件开发的效率，提高开源社区质量和保障。

主权项

一种基于在线增量演化主题模型的软件自动分类方法，包括下列步骤：步骤1获取软件相关文本，所述软件相关文本包括开源软件的项目名称、项目主题标签、项目描述文本以及项目创建时间，如果所述项目主题标签为空，则将其设置为未标注，以预定时间片进行分组和预处理；步骤2基于扩展LDA模型，生成在线演化主题模型的概率模型，针对预处理后的以时间片分组的项目描述文本，计算最优主题个数，在最优主题个数的基础上依据所述在线演化主题模型的概率模型增量式计算当前时间片内项目描述文本的主题词汇分布和主题文本分布，所述主题词汇分布和所述主题文本分布可使用矩阵表示。步骤3获取未知分类主题的文本d，根据步骤2中生成的所有时间片的主题词汇分布和主题文本分布计算所述文本d从属的n个主题的主题词汇分布，并选择排序靠前的若干个主题作为所述文本d的文本主题，从而将所述文本d分类到相应的主题中；步骤4基于词汇表和基于词汇本体查询的方法，为主题自动添加语义标签，其中所述词汇表基于步骤1中爬取到的所有软件项目对应的已标注预设主题标签构建，所述词汇本体进行没有匹配到任何预设标签的聚类主题中核心词汇的上位概念的查询。