主题模型和语义分析相结合的文本标签自动抽取方法

摘要

本发明涉及主题模型和语义分析相结合的文本标签自动抽取方法，属于计算机应用技术领域。本发明包括预处理、LDA建模及上下文分析和标签提取。所述预处理包括去掉低频词、去掉停止词及去掉标记信息所述停止词是几乎不携带任何信息的助词、反映句子语法结构的词语和所有虚词以及标点符号；LDA建模过程为：文件经过LDA模型处理后，得到两个矩阵：一个是N×K的“文档‑主题”矩阵，矩阵的每个元素对应的是每个文档的隐含主题分布；另一个是K×M“主题‑词”矩阵，矩阵的每个元素对应的是每个主题的词分布；相比目前的基于统计的方法，本发明不仅考虑了文档中词和词的关联，也充分利用了上下文信息中一些关键特征，最终得到文档的标签信息。