申请/专利权人：昆明理工大学

申请日：2021-10-19

公开（公告）日：2024-03-26

公开（公告）号：CN113935321B

主分类号：G06F40/289

分类号：G06F40/289;G06F40/216

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2022.02.01#实质审查的生效;2022.01.14#公开

摘要：本发明涉及一种适用于LDA主题模型的自适应迭代Gibbs采样方法，属于计算机与改进算法优化技术领域。本发明首先对输入的文本数据集进行分词和去停用词处理；将经过预处理的文本数据集转换为词袋模型；将词袋输入到LDA主题模型中，并使用自适应迭代的Gibbs采样算法进行参数估计；当Gibbs采样迭代自动结束时，从而输出文本数据集潜在的主题特征。这种自适应迭代的Gibbs采样算法在进行LDA主题模型的参数估计时不需要进行人为的迭代次数设置，大幅度降低了迭代的次数，提升了LDA主题模型生成主题特征的效率。

主权项：1.一种适用于LDA主题模型的自适应迭代Gibbs采样方法，其特征在于：Step1：使用分词工具和停用词表对输入的文本数据集进行分词和去停用词处理；Step2：将经过分词和去停用词处理后的文本数据集转换为词袋模型；Step3：将词袋模型输入到LDA主题模型中，并使用自适应迭代的Gibbs采样算法对词袋模型进行采样，并对LDA主题模型生成的主题参数进行估计，直到主题参数收敛，迭代自动停止；Step4：当自适应迭代的Gibbs采样自动结束时，从而输出文本数据集潜在的主题特征即所有文本的主题分布θ和所有主题的单词分布所述Step3具体步骤为：Step3.1：在使用Gibbs采样对LDA主题模型进行训练时，每迭代十次将生成的文本-主题分布θ和主题-词语分布通过下式生成文本-词语分布Cnew： Step3.2：将词袋模型作为一个文本-词语分布，记为C；Step3.3：在Gibbs采样每迭代十次生成的Cnew同输入的词袋C通过下式进行相关系数计算： 式中，Ci表示词袋模型中第i个词的特征值，表示词袋模型中所有特征值的平均值，表示词袋模型中第i个词的特征值；Step3.4：当Gibbs采样每十次迭代生成的Cnew和输入词袋C相关系数精确到小数点后五位连续三次保持不变时，即表明趋于稳定，此时Gibbs采样停止；将Gibbs采样迭代停止时的迭代数作为输入数据集经过LDA主题模型训练后主题参数收敛的标志。

全文数据：

权利要求：

百度查询： 昆明理工大学 一种适用于LDA主题模型的自适应迭代Gibbs采样方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD