[发明专利]一种基于区域卷积神经网络的问答社区标签推荐方法

权利要求书

1.一种基于区域卷积神经网络的问答社区标签推荐方法，其特征在于：包括以下步骤：

步骤1、使用scrapy框架从问答社区上获取问题数据集和标签集；

步骤2、对每条问题数据进行数据清洗，去除问题中的标点符号，多余空格和代码，只留下单词，并将单词全部转化为小写，得到清洗后的数据集data；

步骤3、将数据集data分为规模为n的训练集train和规模为m的测试集test；

步骤4、对训练集train建立词典D：

步骤5、对训练集train中的每一个问题数据建立句向量，对于第j个问题中的第i个单词W_ij将其用W_ij在词典D中的编号来代替，采样如下：

train_j＝[1,2,11,32,35,25,68,37,…,66,89]

步骤6、标签集大小为s_tag，对train_j建立长度为s_tag的向量tagj，将tagj中train_j的标签在标签集中的对应位置的元素置1，其余元素置0，将tagj中的元素追加到train_j的最后；

步骤7、由训练集train句向量可以得到对应的n*k矩阵，其中k为最长的问题的大小与s_tag之和；

步骤8、对训练集train进行打乱顺序得到训练集t：

步骤9.利用Mikilov方法将训练集t变成三维矩阵T；

步骤10、构建卷积神经网络模型TagRCNN，包括双向循环结构卷积层、池化层和softmax层；

步骤11、对训练集T进行多轮迭代卷积神经网络训练；

步骤12、利用测试集对模型TagRCNN进行测试，计算召回率准确率和F1-score来检验模型TagRCNN的效果，调整参数，重复步骤7-10直至得到一个最终卷积神经网络模型TagRCNN。

2.根据权利要求1所述的一种基于区域卷积神经网络的问答社区标签推荐方法，其特征在于：所述步骤4具体包括

步骤4a、建立字典变量dict；

步骤4b、对于train中的每个词W_i来说，如果W_i没有出现在dict中，则将键值对{W_i:1}加入dict，如果W_i在dict中已存在，则对D中的W_i的值进行更新：{W_i:w+1}；

步骤4c、对dict中的词dicti进行编号得到词典D。

3.根据权利要求1所述的一种基于区域卷积神经网络的问答社区标签推荐方法，其特征在于：所述步骤10具体包括

步骤10a、对域矩阵T中的每个句子o_i中的单词W_i，其对应的词嵌入向量为e(W_i)，其对应的左右上下文C_l(W_i)和C_r(W_i)可以由W_i-1的词嵌入和左右上下文表示，公式如下：

C_l(W_i)＝f(W^lC_l(W_i)+W^sle(W_i-1))

C_r(W_i)＝f(W^rC_r(W_i+1)+W^sre(W_i+1))

其中W^l是将当前隐藏层转换为下一个隐藏层的矩阵，W^sl是用于将当前单词语义与下一个单词的上下文进行组合的矩阵，f是非线性激活数；

步骤10b、单词W_i的表示x_i由单词W_i以及W_i的左右上下文组成，如下所示：

x_i＝[C_l(W_i):e(W_i):C_r(W_i)]

步骤10c:对x_i应用tanh线性激活函数得到结果y_i:

其中W⁽²⁾是将第二层隐藏层转换为下一个隐藏层的矩阵，b⁽²⁾是第二层隐藏层的偏置；

步骤10d、将作为第三层最大池化层的输入，选取中最大的元素作为输出：

步骤10e、将最大池化层的输出经过输出层的处理，得到最终的输出结果

步骤10f、用softmax函数处理从而得到标签的概率分布P_i，前K个概率最高的标签被推荐给问题o_i，其中概率分布的计算公式如下：