一种增强文本特征表示的短文本主题挖掘方法

摘要

本发明为一种增强文本特征表示的短文本主题挖掘方法，提供一种在短文本进行高效主题建模的方法，属于数据挖掘中的文本挖掘领域。本发明首先将模式挖掘算法引入到文本的特征空间构建中，使用频繁模式挖掘算法在真个语料库级别上挖掘能表征文本特征的频繁模式，然后提出一种基于模式集合的特征表示方法(PSTR)。该表示法克服了基于词袋假设的一元表示的语义间隔问题，以及在短文本的主题挖掘中该表示方法会遭遇的共现模式不足问题。基于在新的模式空间中的表示，提出一种主题同一性指定的建模方法(PSTR‑LDA)，在同主题推论阶段中，表示文本特征的模式中的构成词会共享同一个主题指定，该假设更加真实的反应了表示文本的模式间的主题。实施例的结果表明本发明比起其模型，能挖掘更加一致和解释性更好的主题。