一种基于狄利克雷变分自编码器的短文本主题识别方法

授权

摘要

本发明提供一种基于狄利克雷变分自编码器的短文本主题识别方法，包括以下步骤：S1.将短文本数据集进行预处理，分词、去停用词、标点符号和数字，得到数据集的文本特征向量；S2.训练进行聚类，确定短文本集合中各短文本所属类别，该类别作为短文本的补充特征信息；S3.构建条件变分神经主题模型，得到语料集中的文档‑主题分布以及主题‑词分布；S4.短文本主题识别，得到短文本的补充特征信息作为短文本的特征表示，用于文本的分类和聚类。本发明提供了一种基于狄利克雷变分自编码器的短文本主题识别方法，加速了模型训练，解决了短文本主题模型特征稀疏的问题，在进行短文本主题识别的同时，增强了短文本的分类和聚类效果。

基本信息

专利标题：

一种基于狄利克雷变分自编码器的短文本主题识别方法

专利标题（英）：

暂无

公开（公告）号：

CN112597769A

申请号：

CN202011482778.2

公开（公告）日：

2021-04-02

申请日：

2020-12-15

授权号：

CN112597769B

授权日：

2022-06-03

发明人：

饶洋辉丁诚

申请人：

中山大学

申请人地址：

广东省广州市海珠区新港西路135号

代理机构：

广州粤高专利商标代理有限公司

代理人：

陈伟斌

优先权：

CN202011482778.2

主分类号：

G06F40/289

IPC分类号：

G06F40/289 G06F40/216 G06N3/04 G06N3/08 G06K9/62