[发明专利]一种工业安全主题多文档自动消歧方法及装置

说明书

本发明公开了一种工业安全主题多文档自动消歧方法及装置，所述方法包括：创建具有多种维度的DAG主题结构图，所述DAG主题结构图中的全部主题形成主题集合；获取输入的关键词，并采集与所述关键词相关的多个文档，所述多个文档形成文档集合；为所述文档集合中的各个文档标注相应的标签；将所述DAG主题结构图和标注标签后的文档集合，输入多子模函数中，并对所述多子模函数进行优化；根据优化结果，确定出目标主题子集，所述目标主题子集为所述主题集合的子集；基于所述DAG主题结构图，确定与各个文档的标签相关联的主题；针对所述目标主题子集中的各个主题，将与所述主题相关联的文档分为一组。

技术领域

本发明涉及文档消歧技术领域，尤其涉及一种基于多子模优化方法的工业安全主题多文档自动消歧方法及装置。

背景技术

近年来，机器学习迅速发展，已经被应用到各个领域。目前，机器学习应用往往涉及到对于实验对象的分组，具体到自然语言处理领域，很多机器学习应用都需要对于输入的多文档进行分类。使用消歧技术可以替代传统的人工方式，进行高效而准确的文档分类，因而其对于机器学习的发展有着深刻的促进作用。

目前已有的消歧技术是结合无回路有向图(DAG，Directed Acyclic Graph)主题结构图，设计子模函数，来针对输入的文档的标签挑选主题，并最终根据输出的主题集合将输入文档进行分组。然而，该方法使用的DAG主题结构图并没有考虑不同类型主题间的区别，因此图的继承结构也就相应的不够准确。

发明内容

为解决上述技术问题，本发明实施例提供了一种工业安全主题多文档自动消歧方法及装置。

本发明实施例提供的工业安全主题多文档自动消歧方法，包括：

创建具有多种维度的DAG主题结构图，所述DAG主题结构图中的全部主题形成主题集合；

获取输入的关键词，并采集与所述关键词相关的多个文档，所述多个文档形成文档集合；

为所述文档集合中的各个文档标注相应的标签；

将所述DAG主题结构图和标注标签后的文档集合，输入多子模函数中，并对所述多子模函数进行优化；根据优化结果，确定出目标主题子集，所述目标主题子集为所述主题集合的子集；

基于所述DAG主题结构图，确定与各个文档的标签相关联的主题；

针对所述目标主题子集中的各个主题，将与所述主题相关联的文档分为一组。

本发明实施例中，所述创建具有多种维度的DAG主题结构图，包括：

针对每种类型的主题，基于该类型的各个主题之间的关系结构构建出相应的DAG主题结构图；对多种类型的DAG主题结构图进行融合，得到多种维度的DAG主题结构图。

本发明实施例中，所述针对每种类型的主题，基于该类型的各个主题之间的关系结构构建出相应的DAG主题结构图；对多种类型的DAG主题结构图进行融合，得到多种维度的DAG主题结构图，包括：

从维基百科的历史镜像中提取出各个主题，依据各个主题之间的关系结构构建出实体对应的DAG主题结构图；

从在线动词词典的动词库中提取出各个动词类，依据各个动词类之间的关系结构构建出动词对应的DAG主题结构图；

从地图资源中提取出各个地理位置，依据各个地理位置的关系结构创建地理位置对应的DAG主题结构图；

根据时间轴创建时期对应的DAG主题结构图

对所述实体对应的DAG主题结构图、动词对应的DAG主题结构图、地理位置对应的DAG主题结构图以及时期对应的DAG主题结构图进行融合，得到具有多种维度的DAG主题结构图。