[发明专利]主题推定装置、主题推定方法以及存储介质

摘要

本发明所要解决的技术问题为，对以文档单位相对应的非对译语料库的各文档或者各单词进行跨语言的主题推定的精度不高。用于解决技术问题的方案为，通过主题推定装置来提高主题推定的精度，所述主题推定装置具备：单词分布信息保存部，与2个以上的各语言相对应地保存单词分布信息；文档主题分布生成部，取得多语言文档集合的文档主题分布信息；片段主题分布生成部，使用文档主题分布信息，取得各片段的片段主题分布信息；以及单词主题确定部，对于多语言文档集合具有的2个以上的各文档中包含的各单词，使用片段主题分布信息，确定并输出各单词的主题。

主权项

1.一种主题推定装置，具备：文档集合保存部，保存多语言文档集合，所述多语言文档集合为语言不同的2个以上的文档，且是分别具有作为文档的部分的2个以上的片段的、2个以上的文档的集合；对应管理部，管理1个以上的片段间对应关系，所述1个以上的片段间对应关系为构成所述多语言文档集合具有的2个以上的文档的2个以上的各片段间的对应，且是不同文档中包含的2个以上的片段间的对应；单词分布信息保存部，与2个以上的各语言相对应地保存表示2个以上的各主题的单词分布的单词分布信息；文档主题分布生成部，概率性地取得文档主题分布信息，所述文档主题分布信息表示主题分布，该主题分布是相对于所述多语言文档集合的主题分布、且是在2个以上的语言的各文档中共同的主题分布；片段主题分布生成部，对于具有通过所述1个以上的各片段间对应关系相互对应的2个以上的片段的1个以上的各片段集合，或者对于1个以上的片段集合以及未通过所述1个以上的各片段间对应关系相互对应的1个以上的各片段，使用包含各片段在内的文档的文档主题分布信息，概率性地取得片段主题分布信息，所述片段主题分布信息表示主题分布，且相对于构成所述片段集合的2个以上的各片段表示相同的主题分布；以及单词主题确定部，对于所述多语言文档集合具有的2个以上的各文档中包含的各单词，使用包含该单词在内的片段的片段主题分布信息，概率性地确定并输出各单词的主题。