[发明专利]一种基于主题类的跨语言生物医学类学术论文信息推荐方法

摘要

本发明涉及信息检索以及推荐系统技术领域，更具体地，涉及一种基于主题类的跨语言生物医学类学术论文信息推荐方法。本方法主要包括对文本数据进行数据预处理、应用PLAS模型进行文本聚类、计算每个主题分组的词向量信息、获得每一个主题最相关的跨语言主题编号、读取用户输入的检索词组、判断用户的检索词组、得到中文文章的推荐结果以及得到英文文献的推荐等步骤。本发明实现了将文本的分析从词频空间降维至空间主题空间；通过数据降维的方法能够有效地减少模型对翻译方法的依赖，有利于实现跨语言的文献特征分析；同时主题模型能够有效地挖掘文档中的语义信息，发现文档之间的潜在关联，能够有效地解决一词多义和一义多词的问题。

主权项

1.一种基于主题聚类的跨语言生物医学类学术论文信息推荐方法，其特征在于，包括以下步骤：S1：首先对文本数据进行数据预处理；S2：根据数据预处理得到的词频信息应用PLAS模型进行文本聚类并得到每个学术文献的主题分组；S3：计算每个主题分组的词向量信息并得到每个主题分组的向量信息；S4：利用翻译关系将每个主题分组的向量信息中的词组进行对应，通过加权计算的方法统一不同语言下的主题信息向量的维度，然后利用向量间的余弦距离计算主题之间的相似度，得到每一个主题最相关的跨语言主题编号；S5：读取用户输入的检索词组，利用结巴分词进行分词，同样去除停用词；S6：判断用户的检索词是否能够在系统的总词表中检索到，如果检索不到检索词，则输出无法得到推荐结果，推出系统，否则进入到下一步；S7：通过字符串匹配，计算检索词在中文主题下文本中出现的TF‑IDF值，根据TF‑IDF值排序得到与检索词最相关的中文主题，根据中文主题对应的p(z|d)矩阵，对主题内的中文文章进行排序，得到中文文章的推荐结果；S8：根据步骤S7中找到的中文主题，访问数据库得到对应最相关的英文主题，判断检索词是否能在翻译词表中找到对应的英文翻译，如果能找到英文翻译，则计算该英文翻译相对于该英文主题下所有英文文章的TF‑IDF值，根据TF‑IDF值对英文文章进行排序，得到英文文章的推荐结果；若无法找到对应的英文翻译，则直接根据该英文主题对应的p(z|d)矩阵，对主题内的英文文章进行排序，得到英文文章的推荐结果。