[发明专利]话题识别方法、装置、设备及介质在审
| 申请号： | 201911311140.X | 申请日： | 2019-12-18 |
| 公开（公告）号： | CN111061837A | 公开（公告）日： | 2020-04-24 |
| 发明（设计）人： | 罗欣;张爽;林少娃;朱蕊倩;陈博;魏骁雄;陈奕汝;叶红豆;丁嘉涵;杨建军;钟震远;李元;张琪;雍旭龙;陈小红 | 申请（专利权）人： | 国网浙江省电力有限公司电力科学研究院 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F16/332;G06F16/35;G06N3/08 |
| 代理公司： | 杭州创智卓英知识产权代理事务所(普通合伙) 33324 | 代理人： | 张迪 |
| 地址： | 310000 *** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 话题 识别 方法 装置 设备 介质 | ||
1.一种话题识别方法，其特征在于，包括以下步骤：
获取未标注的文本数据和已标注的文本数据；
将所述已标注的文本数据作为训练样本，训练得到主题识别模型；
利用所述主题识别模型对所述未标注的文本数据进行识别，得到主题识别结果；
将所述主题识别结果输入话题生成模型，得到各个主题对应的话题。
2.如权利要求1所述的话题识别方法，其特征在于，所述已标注的文本数据包括主题及所述主题对应的文本数据。
3.如权利要求2所述的话题识别方法，其特征在于，将所述已标注的文本数据作为训练样本，训练得到主题识别模型，包括以下步骤：
以主题及所述主题对应的文本数据作为训练样本，通过深度学习文本分类算法训练得到主题识别模型。
4.如权利要求3所述的话题识别方法，其特征在于，所述主题识别模型为二分类模型，所述深度学习文本算法为textCNN算法。
5.如权利要求1或4所述的话题识别方法，其特征在于，利用所述主题识别模型对所述未标注的文本数据进行识别，得到主题识别结果，包括以下步骤：
通过向量计算工具Word2vec将所述未标注的文本数据转换成多维向量；
将所述多维向量输入所述主题识别模型，得到所述未标注的文本数据的主题识别结果。
6.如权利要求5所述的话题识别方法，其特征在于，将所述主题识别结果输入话题生成模型之前，还包括以下步骤：
对所述主题识别结果进行预处理，所述预处理包括对所述主题识别结果进行分词及去停用词。
7.如权利要求书6所述的话题识别方法，其特征在于，所述话题生成模型为LDA。
8.一种话题识别装置，其特征在于，其包括：
获取模块，用于获取未标注的文本数据和已标注的文本数据；
模型构建模块，用于将所述已标注的文本数据作为训练样本，训练得到主题识别模型；
主题识别模块，用于利用所述主题识别模型对所述未标注的文本数据进行识别，得到主题识别结果；
话题识别模块，用于将所述主题识别结果输入话题生成模型，得到各个主题对应的话题。
9.一种电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的话题识别方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的话题识别方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司电力科学研究院，未经国网浙江省电力有限公司电力科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911311140.X/1.html，转载请声明来源钻瓜专利网。
- 上一篇：无线传屏方法、装置及系统
- 下一篇：一种大数据分析系统
