一种分析文本数据潜在主题短语的方法及系统

摘要

本发明公开了一种分析文本数据潜在主题短语的方法及系统，该方法包括：采集文本数据集，并对文本数据集进行分词，得到文本数据集的词语表现形式；根据文本数据集的词语提取词语搭配后形成的有效短语，得到未搭配成有效短语的词语与短语集的混合表现形式；对混合表现形式的文本数据集进行词向量训练后得到对应的词向量模型；构建DR‑Phrase LDA并求解各个参数；对DR‑Phrase LDA训练，并根据训练结果输出文本数据潜在的主题短语。本发明采用基于词向量的短语主题模型，该模型在概率主题模型训练中借助汉语言学规律来合理提升模型训练中短语的统计信息，具体采用词向量的方法度量短语成分词之间的关系，定量反映词在文本整体和短语局部中的语义关系，使得模型精度更高。