[发明专利]一种融合提及实体信息的文档向量学习方法

摘要

本发明公开了一种融合提及实体信息的文档向量学习方法，使用机器学习的方法学习一个文档集合中所有文档的向量表达。其步骤包括：预处理文档集合，找出每篇文档提及的实体，计算不同实体间关联程度；为文档集合中的每一个文档初始化一个向量，并初始化其他训练所需的参数；根据预处理结果，重复地抽取文档－词对、文档－实体对或实体－实体对来更新文档向量和其他参数，直至收敛。使用该方法学习得到的文档向量不仅包含了文档中词的信息，还包含了文档中提到的实体的信息，且利用了实体与实体间的关联信息。学到的文档向量如果运用到文档分类、文档聚类、实体链接等应用中，可以有效提高性能，并且节省存储空间。

主权项

1.一种融合提及实体信息的文档向量学习方法，其特征在于，包括如下步骤：/n获取文档集合；/n预处理文档集合，包括对文档内容分词并使用命名实体识别工具找出每篇文档提及的实体，计算不同实体间关联程度；/n初始化训练文档向量所根据的预设的目标函数中包含的所有参数；其中训练文档向量所根据的目标函数，为：/n