[发明专利]一种基于元信息的语料库主题分布计算方法

权利要求书

1.一种基于元信息的语料库主题分布计算方法，其特征在于，包括以下步骤：

步骤1：输入待计算的语料库，获取语料库的文档元信息和词汇元信息，设定最大迭代次数；

步骤2：将语料库的文档元信息和词汇元信息转化为文档标签和词汇标签；根据文档标签，生成文档-文档标签向量矩阵F_d，l；根据词汇标签，生成词汇-词汇标签向量矩阵

步骤3：以超参数为u₀的Gamma函数为文档标签l与主题k对应的参数λ_l，k赋值，λ_l，k～Gamma(u₀，u₀)，得到主题-文档标签的相关性矩阵；以超参数为v₀的Gamma函数为词汇标签l^*与主题k对应的参数赋值，得到主题-词汇标签的相关性矩阵；其中，主题总数为K；文档标签总数为L；词汇标签总数为L^*；

步骤4：计算主题k与词汇v对应的参数β_k，v，为词汇-词汇标签向量矩阵的元素；计算文档语料d与主题k与对应的参数α_d，k，f_d，l为文档-文档标签向量矩阵F_d，l的元素；计算每一个单词v被分配给主题k的次数n_k，v，计算每一个文档语料d中被分配给主题k的词汇数量m_d，k，

步骤5：通过q_d～Beta(α_d，·，m_d，·)采样参数q_d；

其中，α_d，·为在一篇文档中每个主题α_d，k值的线性和，m_d，·为在一篇文档中所有的词汇的个数；

步骤6：通过CRP过程，以α_d，k为聚集，m_d，k为客户数量采样参数t_d，k；

步骤7：从Gamma随机函数中采样参数λ′_l，k，并更新参数α_d，k；

λ′_l，k～Gamma(μ′，μ″)

参数α_d，k的更新公式为：

步骤8：根据采样参数

其中，β_k，·为主题k与每个单词的相关性之和；n_k，·为主题k包含的单词总数；

步骤9：通过CRP过程，以β_k，v为聚集，n_k，v为客户数量采样参数t′_k，v；

步骤10：从Gamma随机函数中采样参数并更新参数β_k，v；

参数β_k，v的更新公式为：

步骤11：判断是否达到最大迭代次数；若未达到最大迭代次数，则返回步骤5；否则，输出语料库的主题分布，即公式：