[发明专利]一种基于有监督主题模型的文本分类方法及系统有效
| 申请号： | 201811398232.1 | 申请日： | 2018-11-22 |
| 公开（公告）号： | CN109408641B | 公开（公告）日： | 2020-06-02 |
| 发明（设计）人： | 唐焕玲;窦全胜;于立萍;宋英杰;鲁眀羽 | 申请（专利权）人： | 山东工商学院 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/332;G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 张庆骞 |
| 地址： | 264026 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供了一种基于有监督主题模型的文本分类方法及系统。其中，一种基于有监督主题模型的文本分类方法，包括：构建SLDA‑TC文本分类模型；在训练SLDA‑TC文本分类模型的过程中，按照SLDA‑TC‑Gibbs算法对每个词的隐含主题进行采样，且只从与该词所在文本类别标签相同的其它训练文本中进行隐含主题采样；在确定每个词的隐含主题之后，通过统计频次，计算得到文本‑主题概率分布、主题‑词概率分布和主题‑类别概率分布；建立主题与类别之间的准确映射；将待测文本输入至训练生成的SLDA‑TC文本分类模型，推断出待测文本的主题，进而预测文本的类别。 | ||
| 搜索关键词： | 一种 基于 监督 主题 模型 文本 分类 方法 系统 | ||
【主权项】：
1.一种基于有监督主题模型的文本分类方法，其特征在于，包括：构建SLDA‑TC文本分类模型，SLDA‑TC文本分类模型的训练文档集的每个文档带有类别标签；SLDA‑TC文本分类模型中需要估计的参数不仅包括文本‑主题概率分布、主题‑词概率分布，还包括主题‑类别概率分布；训练SLDA‑TC文本分类模型，按照SLDA‑TC‑Gibbs算法进行SLDA‑TC模型参数估计；其中，按照SLDA‑TC‑Gibbs算法进行SLDA‑TC模型参数估计的过程为：对每个词的隐含主题进行采样，且只从与该词所在文本类别标签相同的其它训练文本中进行隐含主题采样；在确定每个词的隐含主题之后，通过统计主题‑词、文档‑主题、主题‑类别的频次，计算得到文本‑主题概率分布、主题‑词概率分布和主题‑类别概率分布，进而建立出主题与类别之间的准确映射；待测文本主题推断和分类；将待测文本输入至训练完成的SLDA‑TC文本分类模型，首先对待测文档每个词进行隐含主题采样；然后推断待测文本的主题概率分布；根据待测文档的主题分布和SLDA‑TC模型的主题‑类别分布，输出待测文本的类别标签。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东工商学院，未经山东工商学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811398232.1/，转载请声明来源钻瓜专利网。
