[发明专利]基于混合主题的文本标注方法及系统

摘要

本发明提供一种基于混合主题的文本标注方法及系统，其中方法包括：采用LDA算法对获取的概念文本进行学习，设定第一目标显式主题，对第一目标显式主题进行学习，获得第一目标显式主题-单词的概率分布；采用LDA算法对获取的资源文本进行学习，设定第二目标显式主题和目标隐含主题，对第二目标显式主题初始化的结果和目标隐含主题进行学习，获得的第二目标显式主题-单词的概率分布和目标隐含主题-单词的概率分布；根据第二目标显式主题-单词的概率分布和目标隐含主题-单词的概率分布，对待标注文本进行标注。利用本发明，通过显式主题和隐含主题的混合，能够低成本地解决领域本体的可扩展性问题，并提高文本标注的质量。

主权项

一种基于混合主题的文本标注方法，包括：步骤一：采用LDA算法对获取的概念文本进行学习；其中，在采用LDA算法对获取的概念文本进行学习的过程中，针对所述概念文本，设定第一目标显式主题，对设定的所述第一目标显式主题进行学习，获得所述概念文本中的单词在所述第一目标显式主题上的第一目标显式主题‑单词的概率分布；并且，设定的所述第一目标显式主题的数量与所述概念文本的数量相同；步骤二：采用LDA算法对获取的资源文本进行学习；其中，在采用LDA算法对获取的资源文本进行学习的过程中，针对所述资源文本，设定目标主题；其中，所述目标主题包括第二目标显式主题和目标隐含主题，并且，设定的所述目标隐含主题的数量小于所述资源文本的数量；以及，根据在所述概念文本学习中获得的所述第一目标显式主题‑单词的概率分布对所述第二目标显式主题进行初始化；对所述第二目标显式主题初始化的结果和所述目标隐含主题进行学习，获得第二目标显式主题‑单词的概率分布和目标隐含主题‑单词的概率分布；步骤三：根据在对所述资源文本进行学习的过程中获得的所述第二目标显式主题‑单词的概率分布和所述目标隐含主题‑单词的概率分布，对待标注文本进行语义标注。