公开(公告)号：CN110532378B

公开(公告)日：2021-10-26

申请号：CN201910395663.0

申请日：2019-05-13

Applicant: 南京大学

Inventor： 张雷 ,  叶康 ,  罗向阳 ,  谈志文 ,  李宁

IPC: G06F16/35 ,  G06F16/33 ,  G06F40/216 ,  G06F40/284 ,  G06F40/30

Abstract: 本发明公开了一种基于主题模型的短文本方面提取方法，包括如下步骤：1)伪文档构建阶段：根据数据集构建词汇共现网络，生成词汇的伪文档；2)主题嵌入模块设置阶段：基于伪文档将词嵌入与主题嵌入联合训练，丰富词汇的潜在语义信息；3)注意力机制构建阶段：基于词向量信息重构句嵌入，最小化目标函数生成词汇权重参数；4)方面词汇聚类阶段：在词嵌入高维空间应用k‑means聚类算法，输出最终方面词汇簇。本发明将主题嵌入与词嵌入联合训练，丰富了词汇的潜在语义信息，并通过注意力机制提高方面词汇权重，降低非方面词汇的权重，从而极大的提高了短文本方面提取模型的性能。

公开(公告)号：CN110532378A

公开(公告)日：2019-12-03

申请号：CN201910395663.0

申请日：2019-05-13

Applicant: 南京大学

Inventor： 张雷 ,  叶康 ,  罗向阳 ,  谈志文 ,  李宁

IPC: G06F16/35 ,  G06F16/33 ,  G06F17/27

Abstract: 本发明公开了一种基于主题模型的短文本方面提取方法，包括如下步骤：1)伪文档构建阶段：根据数据集构建词汇共现网络，生成词汇的伪文档；2)主题嵌入模块设置阶段：基于伪文档将词嵌入与主题嵌入联合训练，丰富词汇的潜在语义信息；3)注意力机制构建阶段：基于词向量信息重构句嵌入，最小化目标函数生成词汇权重参数；4)方面词汇聚类阶段：在词嵌入高维空间应用k-means聚类算法，输出最终方面词汇簇。本发明将主题嵌入与词嵌入联合训练，丰富了词汇的潜在语义信息，并通过注意力机制提高方面词汇权重，降低非方面词汇的权重，从而极大的提高了短文本方面提取模型的性能。