一种基于N-gram增量主题模型的语义挖掘方法

发明专利无效专利

申请号：
CN201110201966.8
IPC分类号：G06F17/27
申请日期：
2011-07-19
申请人：
北京航空航天大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于N-gram增量主题模型的语义挖掘方法
申请号	CN201110201966.8	申请日期	2011-07-19
法律状态	权利终止	申报国家	中国
公开/公告日	2011-11-16	公开/公告号	CN102243625A
优先权	暂无	优先权号	暂无
主分类号	G06F17/27 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/20 处理自然语言数据的（语言分析或综合入G10L）〔6〕 G06F17/27 自动分析的，例如语法分析、正射校正的〔6〕	IPC分类号	G;0;6;F;1;7;/;2;7查看分类表>
申请人	北京航空航天大学	申请人地址	北京市海淀区学院路37号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京航空航天大学	当前权利人	北京航空航天大学
发明人	王晗;徐毅;郎波;李未
代理机构	北京科迪生专利代理有限责任公司	代理人	李新华

摘要

一种基于N-gram增量主题模型的语义挖掘方法：(1)将Author-Conference主题模型进行扩展：扩展单词空间，从Unigram到N-gram；(2)对于当前输入数据，根据之前训练模型中后验概率的线性加权计算当前模型中先验概率的参数；(3)采用吉布斯采样方法计算模型对当前数据的后验概率值；(4)对于新的输入数据流，重复步骤(2)、(3)增量训练模型。本发明将N-gram引入到主题模型中，根据N-gram包含的语义特性，提高了主题模型对科技文献建模的性能；采用非对称先验概率记录历史数据的主题分布，从而增量式地训练模型，提高了方法的效率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供