公开(公告)号：CN110263153B

公开(公告)日：2021-04-30

申请号：CN201910403543.0

申请日：2019-05-15

Applicant: 北京邮电大学

Inventor： 吴旭 ,  颉夏青 ,  王昕喆 ,  许晋 ,  方滨兴 ,  陆月明

IPC: G06F16/35 ,  G06F40/247 ,  G06F40/289

Abstract: 本发明涉及话题发现领域，特别涉及一种面向多源信息的混合文本话题发现方法。本发明具体包括以下步骤：步骤一、对原始数据进行特征融合，得到特征均匀的结果集D；步骤二、对步骤一中得到特征均匀的结果集D，基于狄利克雷多项式混合模型的聚类方法进行聚类。本发明能够将文本向量特征不均匀的多源文本数据均匀化；通过DMM模型，提升对高噪声、低信息量的短文本数据的话题检测效果；能自动识别出聚类的类别个数，不需要事先给定簇的个数。

公开(公告)号：CN110263153A

公开(公告)日：2019-09-20

申请号：CN201910403543.0

申请日：2019-05-15

Applicant: 北京邮电大学

Inventor： 吴旭 ,  颉夏青 ,  王昕喆 ,  许晋 ,  方滨兴 ,  陆月明

IPC: G06F16/35 ,  G06F17/27

Abstract: 本发明涉及话题发现领域，特别涉及一种面向多源信息的混合文本话题发现方法。本发明具体包括以下步骤：步骤一、对原始数据进行特征融合，得到特征均匀的结果集D；步骤二、对步骤一中得到特征均匀的结果集D，基于狄利克雷多项式混合模型的聚类方法进行聚类。本发明能够将文本向量特征不均匀的多源文本数据均匀化；通过DMM模型，提升对高噪声、低信息量的短文本数据的话题检测效果；能自动识别出聚类的类别个数，不需要事先给定簇的个数。