龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：百度(美国)有限责任公司
申请日：2019-12-10
公开（公告）日：2024-06-25
公开（公告）号：CN112015904B
主分类号：G06F16/36
分类号：G06F16/36;G06F40/30;G06F40/242
优先权：["20190530 US 16/427,225"]
专利状态码：有效-授权
法律状态：2024.06.25#授权;2020.12.18#实质审查的生效;2020.12.01#公开
摘要：公开了确定文档语料库的潜在主题的方法、系统和计算机可读介质。利用领域知识是用于通过主题模型来提高推理出的文档的低维表示的质量的有效策略。本文中提供了在用于提取较相干的主题的主题建模的上下文中使用知识图KG嵌入的贝叶斯非参数模型的实施例；该模型的实施例可以被称为带有知识图嵌入的主题建模TMKGE。TMKGE实施例是从KG灵活借用信息以提高主题的可解译性的基于分层狄里克雷过程HDP的模型。并且，针对TMKGE模型开发了基于HDP的断棍构造的新颖、有效的在线变分推理方法的实施例，从而使TMKGE适用于大型文档语料库和KG。对数据集的实验说明了TMKGE相比现有技术的主题建模方法在主题相干性和文档分类准确性方面具有优良性能。
主权项：1.一种用于确定文档语料库的潜在主题的计算机实施方法，所述方法包括：给定其中每一文档都包括词语和实体的文档语料库：使用从知识图获得的实体嵌入来表示所述文档语料库中的实体；以及针对所述文档语料库中的每一文档，生成所述文档中的词语的词语频率表示；以及将所述实体嵌入和所述词语频率表示用作主题模型的输入以生成所述文档语料库的潜在主题，所述主题模型包括：语料库级狄里克雷过程，其使用所述词语频率表示和所述实体嵌入以获得共享的基本测度，所述共享的基本测度用作两个文档级狄里克雷过程的先验；第一文档级狄里克雷过程，其将所述共享的基本测度用作先验以生成词语的潜在主题分布；第二文档级狄里克雷过程，其将所述共享的基本测度用作先验以生成实体嵌入的潜在主题分布；词语生成过程，其使用所述词语的潜在主题分布以及将潜在主题指派给词语的词语级狄里克雷过程；以及使用所述实体嵌入的潜在主题分布以及将潜在主题指派给实体嵌入的分布。
全文数据：
权利要求：
百度查询： 百度(美国)有限责任公司 确定文档语料库的潜在主题的方法、系统和计算机可读介质
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号