[发明专利]数据主题获取方法及装置

摘要

本发明公开了一种数据主题获取方法，包括步骤：接收输入的待处理数据，所述待处理数据包括多个子数据，每个子数据包括多个词；将所述待处理数据分组生成多个组别，分组后的各个组别中词的数量相近；按照吉布斯Gibbs采样公式对各个组别中的每个词进行多次采样，每次采样得到第一预设次数的采样数据，依次选择每次采样得到的采样数据进行迭代计算；在对每个词的迭代计算的次数达到第二预设次数后，根据迭代结果生成每个词对应的主题；根据得到的每个词的主题，计算生成每个子数据的主题。本发明还公开一种数据主题获取装置。本发明减少了迭代计算的时长，进而提高了数据主题获取的效率。

主权项

1.一种数据主题获取方法，其特征在于，包括步骤：接收输入的待处理数据，所述待处理数据包括多个子数据，每个子数据包括多个词；将所述待处理数据分组生成多个组别，分组后的各个组别中词的数量相近；按照吉布斯Gibbs采样公式对各个组别中的每个词进行多次采样，每次采样得到第一预设次数的采样数据，依次选择每次采样得到的采样数据进行迭代计算；在对每个词的迭代计算的次数达到第二预设次数后，根据迭代结果生成每个词对应的主题；根据得到的每个词的主题，计算生成每个子数据的主题；其中，所述按照吉布斯Gibbs采样公式对各个组别中的每个词进行多次采样，每次采样得到第一预设次数的采样数据；依次选择每次得到的采样数据进行迭代计算的步骤包括：采用Metropolis Hasting算法构建概率转移矩阵，并确定所述概率转移矩阵当前的概率分布；将所述当前的概率分布作为转移概率分布，建立别名表Alias Table，根据所述Alias Table对每个词进行多次采样，每次采样得到第一预设次数的采样数据并生成采样集合；依次选择每次生成的采样集合中的采样数据进行迭代计算。