基于网络链接和文档内容的主题嵌入、文档表示方法

摘要

本发明公开一种基于网络链接和文档内容的主题嵌入、文档表示方法。通过引入文档网络中的拓扑链接信息，有效地解决主题嵌入模型中存在的受模糊语义词(如同义词)影响主题的问题。利用该链接信息，用概率图模型结合数据中的文档内容和链接，通过变分推断的方法优化模型的参数，基本解决了由模糊语义造成的负面影响，得到更加精准的主题嵌入以及文档表示。本发明方法结合了文档网络中的链接关系和内容信息，有效改善了现有的主题嵌入模型因为模糊语义(如一词多义)导致的主题嵌入效果不佳的问题，通过建立概率图模型，使得该方法的可解释性更强，并利用变分期望最大化算法使得参数更新高效，收敛时间短，能应用到大规模网络。