[发明专利]一种基于文本流输入的深度神经网络的分层因素可视化分析方法及装置

摘要

本发明涉及一种基于文本流输入的深度神经网络的可视化分析方法及装置，包括：设计实现一个基于文本输入的分层深度神经网络结构；使用标签相关性传播算法(LRP)得到每一层因素(factor)对于预测结果的权重，进而从中提取重要的因素；对得到的重要因素进行聚类，以得到整体的聚类信息，进而构建因素层次结构；对结果进行可视化，在可视化中，将预测结果与因素聚类结果并列展示，聚类结果可以进一步展开直至最小粒度的因素。采用本发明，通过分层的因素分析方法，可以帮助用户更好的分析深度神经网络的结果和运行机制。

主权项

一种基于文本流输入的深度神经网络的分层因素可视化分析方法，其特征在于，包括以下步骤：(1)设计一个基于文本流输入的深度神经网络的模型，使用训练集和开发集对该模型进行训练，再使用训练好的模型在测试集上进行预测，得到预测结果；(2)使用标签相关性传播算法(LRP)获得步骤(1)中设计的深度神经网络中每一层因素对于预测结果的权重，从这些因素中提取权重绝对值大于设定阈值的文本作为重要因素；(3)对步骤(2)得到的重要因素进行聚类，得到重要因素的聚类结果，根据聚类结果构建这些重要因素，的层次树；树的第一层为对预测结果影响权重大于设定阈值的关键词的聚类，第二层为各个关键词，第三层为包含这些关键词的二元词组，第四层为包含这些关键词的文本文档；(4)对步骤(1)中的预测结果以及步骤(3)得到的重要因素的聚类结果以及重要因素的层次树进行联动可视化展示。