[发明专利]基于自扩充表示和相似双向约束的短文本主题发现方法及系统

摘要

本分明提供一种基于自扩充表示和相似双向约束的短文本主题发现方法及系统，该方法的步骤包括：基于TF‑IWF词权重度量方法构建待挖掘主题的词‑文档矩阵；向量化短文本文档并度量两两文档间相似性，得到虚拟长文档集合；利用TF‑IWF词权重度量方法，在虚拟长文档集合上构建虚拟辅助的词‑文档矩阵；合并两个矩阵为混合矩阵；构建词‑词语义相似矩阵、文档‑文档语义相似矩阵，进而构建词‑词语义关系正则项、文档‑文档语义关系正则项；得到TRNMF模型，通过分解损失函数值，获得最优的词‑话题潜在特征矩阵、话题‑文档潜在特征矩阵，发现短文本主题分布情况。

主权项

1.一种基于自扩充表示和相似双向约束的短文本主题发现方法，其步骤包括：基于TF‑IWF词权重度量方法，在原始短文本文档数据集上构建待挖掘主题的词‑文档矩阵；向量化原始短文本文档数据集中的短文本文档，再度量两两文档间相似性，从原始短文本文档数据集中为每个短文本文档选取最相关的前若干个文档来扩充当前短文本文档的表示，得到虚拟长文档集合；利用TF‑IWF词权重度量方法，在虚拟长文档集合上构建虚拟辅助的词‑文档矩阵；合并待挖掘主题的词‑文档矩阵和虚拟辅助的词‑文档矩阵为混合矩阵；构建词‑词语义相似矩阵，基于该矩阵构建词‑词语义关系正则项；构建文档‑文档语义相似矩阵，基于该矩阵构建文档‑文档语义关系正则项；基于混合矩阵、词‑词语义关系正则项、文档‑文档语义关系正则项，得到基于正则化非负矩阵分解的TRNMF模型，通过分解损失函数值，获得最优的词‑话题潜在特征矩阵、话题‑文档潜在特征矩阵，发现短文本主题分布情况。