一种融合提及实体信息的文档向量学习方法

摘要

本发明公开了一种融合提及实体信息的文档向量学习方法，使用机器学习的方法学习一个文档集合中所有文档的向量表达。其步骤包括：预处理文档集合，找出每篇文档提及的实体，计算不同实体间关联程度；为文档集合中的每一个文档初始化一个向量，并初始化其他训练所需的参数；根据预处理结果，重复地抽取文档－词对、文档－实体对或实体－实体对来更新文档向量和其他参数，直至收敛。使用该方法学习得到的文档向量不仅包含了文档中词的信息，还包含了文档中提到的实体的信息，且利用了实体与实体间的关联信息。学到的文档向量如果运用到文档分类、文档聚类、实体链接等应用中，可以有效提高性能，并且节省存储空间。