申请/专利权人：常熟理工学院

申请日：2021-03-19

公开（公告）日：2024-03-29

公开（公告）号：CN112905751B

主分类号：G06F16/33

分类号：G06F16/33;G06F16/31;G06F16/951;G06N3/0442;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.06.22#实质审查的生效;2021.06.04#公开

摘要：本发明公开了一种结合主题模型和孪生网络模型的话题演化跟踪方法，包括步骤1、数据采集，对社交媒体平台的用户数据进行爬虫提取；步骤2、按照设定的时间间隔把文本进行划分得到需要判别的文本数据；步骤3、采用LDA主题模型提取相邻的时间线内的文本数据主题并计算两者显性相似度；步骤4、采用孪生网络和注意力机制计算相邻的时间线内的文本数据的文本语义间的隐性相似度；步骤5、对显性相似度和隐性相似度进行加权融合得到融合邻近度；步骤6、由融合邻近度与预先设定的阈值比较，确定话题在不同时间线的时态变化。本发明结合LDA主题模型和注意力增强的孪生网络模型对文本进行学习，判断出话题的演化并进行追踪，在短时间内掌握话题的发展。

主权项：1.一种结合主题模型和孪生网络模型的话题演化跟踪方法，其特征在于，包括以下步骤：步骤1、数据采集，对社交媒体平台的用户数据进行爬虫提取；步骤2、对提取的用户数据进行预处理，按照设定的时间间隔把文本进行划分得到需要判别的文本数据；步骤3、采用LDA主题模型计算相邻的时间线内的文本数据进行主题提取并判断两个主题间的显性相似度；步骤4、采用孪生网络和注意力机制计算相邻的时间线内的文本数据的文本语义间的隐性相似度，所述孪生网络的子网络为双向长短期记忆网络，所述注意力机制采用以下公式计算 公式中其中R表示为向量空间，n表示多头注意力机制中的层数，dk,dv分别表示为注意力索引K与词向量V的维度；步骤5、对所述显性相似度和所述隐性相似度进行加权融合得到文本数据间的融合邻近度，所述显性相似度和所述隐性相似度的加权融合使用以下公式进行PXTkn，Tk+1m＝aPαTkn，Tk+1m+bPβTkn，Tk+1m其中Tkn表示在时间线Tk中第n个主题，Tk+1m表示时间线Tk+1中第m个主题，Pα表示显性相似度，Pβ表示隐性相似度，a和b分别显性相似度和隐性相似度的权重，所述显性相似度为余弦相似度，PαTkn，Tk+1m＝cosineTknTk+1m，所述隐性相似度为 式中以及分别为主题在向量空间中的表示；步骤6、由所述步骤5得到的融合邻近度与预先设定的阈值比较，确定话题在不同时间线的时态变化。

全文数据：

权利要求：

百度查询： 常熟理工学院 一种结合主题模型和孪生网络模型的话题演化跟踪方法

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