一种基于word2vec‑LDA模型的文本主题词提取方法

摘要

本发明公开了一种基于word2vec‑LDA模型的文本主题词提取方法，涉及数据处理领域，所述方法包括如下步骤：利用语料库一训练LDA模型，同时利用语料库二训练word2vec模型；在线测试时对测试文本先进行预处理；将LDA模型和word2vec模型参数输入word2vec‑LDA模型，再将测试文本输入word2vec‑LDA模型，并计算文本主题中心向量；根据文本主题中心向量，在训练好的word2vec模型所构成的词向量空间中，寻找与测试文本最相关的一个或多个主题词即为测试文本提取出的主题词。本发明利用word2vec改进LDA，依据word2vec可以将单词进行向量化表示，可以通过向量间的距离来表示单词之间的关系等优点来弥补LDA模型的不足，提出了一个word2vec‑LDA模型。