[发明专利]基于对象行为和主题偏好的对象划分方法及装置

权利要求书

1.一种基于对象行为和主题偏好的对象划分方法，其特征在于，所述方法包括：

获取第一数量个目标对象的初始文档集合；所述初始文档集合包括文本集合和行为向量；

利用潜在狄利克雷分布模型对每个目标对象的文本集合进行主题提取，得到所述每个目标对象的主题偏好向量；同时将所述每个目标对象的行为向量标准化为标准行为向量；

利用所述主题偏好向量和所述标准行为向量更新所述初始文档集合，得到每个目标对象的更新文档集合；

基于所述每个目标对象的更新文档集合，利用潜在狄利克雷混合模型计算所述每个目标对象所属的类别组；

分别获取所述每个类别组内所有目标对象的主题偏好向量的平均值和标准行为向量的平均值，将所述主题偏好向量的平均值和所述标准行为向量的平均值构成所述每个类别组的特征向量；

其中，所述潜在狄利克雷混合模型包括：

获取每个目标对象的所有特征的联合概率分布，公式为：

获取每个目标对象的角色，公式为：

式中，u是指当前目标对象，r_u表示目标对象u的角色，r_-u表示除了目标对象u以外其他对象的角色，U_-u是指除了目标对象u以外的其他对象，α是指目标对象角色分布的超参数，f_existing是指目标对象属于已存在角色的条件概率，f_new是指目标对象属于新类别的条件概率；

其中，f_existing和f_new的计算方法分别如下：

f_existing(u|*)＝∫p(Θ,V',R,π,ρ,η,α₁,α₂,α₃)/p(R,π,ρ,η,α₁,α₂,α₃)d*

f_new(u|*)＝∫p(Θ,V',R,π,ρ,η,α₁,α₂,α₃)d*；

其中，Θ是指所有的主题偏好向量的集合，V’是指所有目标对象行为向量的集合，R是所有角色的集合，π是关于不同目标对象角色的多项式概率分布，ρ是目标对象行为特征的先验分布，η是主题偏好的先验分布，α₁,α₂,α₃是本模型的超参数。

2.根据权利要求1所述的对象划分方法，其特征在于，将所述每个目标对象的行为向量标准化为标准行为向量包括：

对于所述行为向量中任一个行为特征，找出所有目标对象中所述任一个行为特征的最大特征V_v^(max)和最小特征V_v^(min)；

针对每个目标对象，获取所述任一个行为特征的标准值，公式为：

其中，V_v^(max)，V_v^(min)分别所有目标对象的行为向量中第v个行为特征的最大特征和最小特征。