[发明专利]基于FrankCopula函数的主题相关性建模方法

权利要求书

1.一种基于FrankCopula函数的主题相关性建模方法，其特征在于，包括如下步骤：

步骤一、随机初始化参数并选取超参数；

步骤二、根据初始化参数和超参数，使用LDA模型生成第一篇文档的主题分布和主题词分布；

步骤三、根据第一篇文档的主题分布和主题词分布，结合Copula函数计算每一篇文档的主题分布和主题词分布；

步骤四、根据计算的主题分布和主题词分布，对每篇文档的主题和主题词排序，根据概率大小选取文档的主题和主题词输出。

2.如权利要求1所述的一种基于FrankCopula函数的主题相关性建模方法，其特征在于：所述步骤一具体包括：

选取超参数α，β，初始化λ₁＝μ₁＝0，对于第d篇文档随机初始化λ_d～U[0，∞]，μ_d～U[0，∞]，表示从0到正无穷的均匀分布中随机选取λ_d，μ_d，其中，λ_d表示控制第d-1篇文档对第d篇文档的文档-主题分布影响的参数，μ_d表示控制第d-1篇文档对第d篇文档的主题-词分布影响的参数。

3.如权利要求2所述的一种基于FrankCopula函数的主题相关性建模方法，其特征在于：所述步骤二具体包括：

使用经典的LDA模型生成第一篇文档的主题分布θ¹～Dir(α)和主题词分布其中，Dir(α)表示服从超参数α的Dirichlet分布，Dir(β)表示服从超参数β的Dirichlet分布。

4.如权利要求3所述的一种基于FrankCopula函数的主题相关性建模方法，其特征在于：所述步骤三具体包括：

对于第d篇文档的第k个主题，1≤k≤K，K表示主题数：

根据公式生成其中，Υ^d表示第d篇文档的随机向量，表示向量Υ^d对应的第k纬度值，表示向量Υ^d-1对应的第k纬度值，表示的参数为(α，1)的gamma分布的概率密度函数，是关于λ_d的Copula函数，是的边缘分布，P表示条件概率，表示对影响的概率；

计算其中，表示第d篇文档第k个主题的主题-词分布，表示第d-1篇文档第k个主题的主题-词分布；

计算θ^d＝Υ^d/||Υ^d||_L1，其中，θ^d表示第d篇文档的主题分布，L1表示第一范数。

5.如权利要求4所述的一种基于FrankCopula函数的主题相关性建模方法，其特征在于：所述步骤四具体包括：

根据第d篇文档的主题分布θ^d和主题词分布进行排序，输出文档的主题和主题词。