[发明专利]基于语义信息的主题识别方法与主题演化路径构建方法

说明书

基于语义信息的主题识别方法与主题演化路径构建方法，从公众诉求解决模式视角，利用基于词间语义信息的方法，进行社会诉求主题识别与演化趋势分析研究。先考虑公众诉求的时序变化因素，将社会诉求文本进行时间区间划分，接着，基于语义信息网络获得网络社区，并使用PageRank方法识别所有社区中的主题，最后，通过度量相邻时间段间的主题相似性来表现主题间的演化关系，进而识别主题的演化路径，包括演化过程中的新生、分裂、衰亡、融合事件，以此清晰反映出诉求主题的强度以及演化过程，同时，本文以甘肃省公开的领导信箱为例开展实证分析，并对发明的有效性进行了验证。

技术领域

本发明属于文本识别技术领域，具体涉及基于语义信息的主题识别方法与主题演化路径构建方法。

背景技术

社会诉求是公众通过特定渠道、面向组织机构进行的意愿、观点和要求的表达，它是具有强感知性的开发数据、高时效性的情景数据，其累积性特征是反映风险变化的风险晴雨表，同时也是风险消解阀。

然而，对于社会诉求主题的识别，Li Haitao等人在2021年发表于《Journal ofGlobal Information Management》的《An Empirical Research on the Construction ofa Government Website Public Satisfaction Index Model in China》侧重于满意度指标模型构建；栾春娟等人在2011年发表于《工业技术经济》的《波音公司技术轨迹探测及其启示》侧重于使用主题词频的方法进行主题识别；Kim Y G等人在2008年发表于《ExpertSystems with Applications》的《Visualization of patent analysis for emergingtechnology》中使用主题聚类的方法进行需求主题识别分析；这些方法都忽略了主题词之间语义信息关系，没有从公众诉求的时序变化方向进行分析。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供基于语义信息的主题识别方法与主题演化路径构建方法。

本发明采用如下的技术方案：

基于语义信息的主题识别方法包括以下步骤：

步骤1，采集包含公众诉求的文本数据并对文本数据进行分词；

步骤2，统计步骤1分词结果中的核心词汇数量，得到核心词汇折线序列，L＝{l₁,l₂,…l_m}，l_t表示时间点t的核心词汇数量，1≤t≤m，m为单位时间的总个数；

步骤3，将核心词汇折线序列L＝{l₁,l₂,…l_m}绘制成一条核心词汇数量序列折线，并按时间进行区间划分得到时间线段集合L′；

步骤4，利用分段线性表示法对时间线段集合L′进行拟合，得到趋势线C′；

步骤5，确定最优的时间段划分数量opt_num；

步骤6，构建opt_num个社会诉求语义信息网络，并将其会合成动态语义关系网络H；

步骤7，识别动态语义关系网络H的社会诉求社区以及主题词。

在步骤1中，所述文本数据包括公众寄送的邮件、书信、短信文本；

使用条件随机场CRF对来信标题、来信内容、来信内容、回复单位进行分词得到词汇以及每个词汇的词性，经过滤筛选，保留人名、地名、形容名词的形容词、专有名词以及动词。

步骤2包括以下内容：

步骤2.2，移除以非汉字字符开头的无意义的(词汇，词性)对，此处包括由数字开头或者全部为数字的词汇所在的(词汇，词性)对；