-
公开(公告)号：CN108228721B
公开(公告)日：2021-06-04
申请号：CN201711290927.3
申请日：2017-12-08
Applicant: 复旦大学
Abstract: 本发明属于关系数据库技术领域，具体为一种大型语料库上的快速文本聚类方法。由于文本数据通常具有高维和稀疏的特征，单纯基于数据相似度的聚类方法难以获得较好的效果，而基于生成模型的方法如狄利克雷多项混合模型在表现上更加突出。本发明通过使用狄利克雷分布的对称先验和构造索引来进行优化，使总时间仅依赖于文档中不同单词的个数，从而在篇幅较长的文档中也能高效运行。
-
公开(公告)号：CN108197154B
公开(公告)日：2021-07-23
申请号：CN201711291086.8
申请日：2017-12-08
Applicant: 复旦大学
IPC: G06F16/28
Abstract: 本发明属于关系数据库技术领域，具体为一种交互式文档探索的在线子集主题建模方法。在探索式场景中，用户对于所要查找的目标没有一个清晰界定，需要通过概述的方式来了解数据，因此，为给定的文本数据集合提供概述至关重要。概率主题模型是文本概述的常用手段，然而每次对给定文档进行建模十分费时，不适用于交互式探索的场景。本发明给出在线子集主题建模的方法，通过使用全局预处理和基于采样的推断算法来加速建模过程，在保持主题模型质量的同时能够获得指数级的速度提升。同时，本发明算法与直接在子集上按单词进行主题建模相比，基于语段的建模更好地利用了已有的主题分布信息；采用语段作为基本单元使得最终得到的主题具备较好的可理解性。
-
Patent Agency Ranking
-
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
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。
-
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
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：CN108197154A
公开(公告)日：2018-06-22
申请号：CN201711291086.8
申请日：2017-12-08
Applicant: 复旦大学
IPC: G06F17/30
Abstract: 本发明属于关系数据库技术领域，具体为一种交互式文档探索的在线子集主题建模方法。在探索式场景中，用户对于所要查找的目标没有一个清晰界定，需要通过概述的方式来了解数据，因此，为给定的文本数据集合提供概述至关重要。概率主题模型是文本概述的常用手段，然而每次对给定文档进行建模十分费时，不适用于交互式探索的场景。本发明给出在线子集主题建模的方法，通过使用全局预处理和基于采样的推断算法来加速建模过程，在保持主题模型质量的同时能够获得指数级的速度提升。同时，本发明算法与直接在子集上按单词进行主题建模相比，基于语段的建模更好地利用了已有的主题分布信息；采用语段作为基本单元使得最终得到的主题具备较好的可理解性。
-
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
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
