[发明专利]一种基于文档内容和相互关系的主题检测方法

摘要

本发明涉及一种基于文档内容和相互关系的主题检测方法，通过获取文档进行预处理，得到文档特征的共现矩阵和两两关系矩阵，基于此构建目标函数，迭代计算文档代表度矩阵、文档隶属度矩阵、词代表度矩阵及词隶属度矩阵，输出词代表度矩阵，其每一列对应一个主题，以每列中值最大的词作为描述该主题的关键词，获取用于描述主题的关键词。本发明文档聚类和词聚类的同时、联合进行比对各自聚类更加有效，同时考虑文档内容和文档之间的关系比起只考虑其中一种信息得到更加全面的模型，隶属度和代表度的引入使得本方法既适用于聚类问题又适用于主题建模问题。

主权项

一种基于文档内容和相互关系的主题检测方法，其特征在于：所述方法包括以下步骤：步骤1：获取N个文档，对所述文档进行预处理，得到文档‑特征的共现矩阵X和两两关系矩阵R；步骤2：基于X和R，构建目标函数，设定聚类数为K，1＜K＜N；迭代计算文档代表度矩阵Vt、文档隶属度矩阵Ut、词代表度矩阵Vw及词隶属度矩阵Uw；步骤3：基于输出的矩阵Vw，矩阵Vw每一列对应一个主题，以每列中值最大的p个词作为描述该主题的关键词，获取用于描述K个主题的关键词。