公开(公告)号：CN107491417B

公开(公告)日：2021-06-22

申请号：CN201710548431.5

申请日：2017-07-06

Applicant: 复旦大学

Inventor： 周凯文 ,  杨智慧 ,  马会心 ,  何震瀛 ,  荆一楠 ,  王晓阳

IPC: G06F17/16 ,  G06F16/31 ,  G06F16/35 ,  G06F16/33

Abstract: 本发明属于数据挖掘技术领域，具体为一种基于特定划分的主题模型下的文档生成方法。本发明根据某种给定的文本数据库划分方式，加入子集的概念，例如对于一些文本数据库，像新闻数据库，某个时间片段中的文本的主题分布具有一定的相似性，特别是那些报告相同事件的不同新闻频道的文本，利用时间片段的属性就可以对数据库进行划分，分成一个个的子集。由此，本发明提出新的文本数据库上的主题模型（DbLDA）；在DbLDA中，每个文档的生成的具体步骤为：生成主题矩阵；对一个子集生成主题分布：对子集中的文章，生成主题分布；对每个词，选择一个主题，选择一个单词。可应用于带有结构化属性的文本数据库。

公开(公告)号：CN107491417A

公开(公告)日：2017-12-19

申请号：CN201710548431.5

申请日：2017-07-06

Applicant: 复旦大学

Inventor： 周凯文 ,  杨智慧 ,  马会心 ,  何震瀛 ,  荆一楠 ,  王晓阳

IPC: G06F17/16 ,  G06F17/30

CPC classification number: G06F17/30616 ,  G06F17/16 ,  G06F17/30657 ,  G06F17/30705

Abstract: 本发明属于数据挖掘技术领域，具体为一种基于特定划分的主题模型下的文档生成方法。本发明根据某种给定的文本数据库划分方式，加入子集的概念，例如对于一些文本数据库，像新闻数据库，某个时间片段中的文本的主题分布具有一定的相似性，特别是那些报告相同事件的不同新闻频道的文本，利用时间片段的属性就可以对数据库进行划分，分成一个个的子集。由此，本发明提出新的文本数据库上的主题模型（DbLDA）；在DbLDA中，每个文档的生成的具体步骤为：生成主题矩阵；对一个子集生成主题分布：对子集中的文章，生成主题分布；对每个词，选择一个主题，选择一个单词。可应用于带有结构化属性的文本数据库。

公开(公告)号：CN106874395A

公开(公告)日：2017-06-20

申请号：CN201710027127.6

申请日：2017-01-15

Applicant: 复旦大学

Inventor： 马会心 ,  杨智慧 ,  何震瀛 ,  王晓阳

IPC: G06F17/30

CPC classification number: G06F17/30451

Abstract: 本发明属于关系数据库技术领域，具体一种根据阈值快速筛选重要区间的方法。本发明方法包括：给定数据集D中的数据分布于维度A，对于A上任一区间，得到D在其上的相关程度，根据阈值筛选区间即为找出所有且无法再扩展的区间；首先计算数组LB，对于每一个右边界r，确保且；将右边界r从大到小遍历，如果对应的左边界比之前输出过的所有值都小，就将作为结果输出。本发明给出两种不同条件下适用的优化方法，能够快速筛选出所需结果，减小等待时间，提高用户在查询过程中的整体效率，并为对于未知数据集的探索操作提供更好的底层支持。