1.一种基于主题语义感知的特征关键词提取方法,其特征在于:所述提取方法包括如下步骤:(1a)根据LDA主题模型,以文档集D作为输入进行训练,提取蕴含语义属性的主题集合T,生成文档-主题矩阵Θ和关键词-主题矩阵Ω;
(1b)采用基于LDA模型的信息增益计算方法,计算文档集D对应的关键词集合W中每一个关键词的信息增益得分,选取信息增益得分最大的前κ个关键词,构成文档集D的全局信息增益特征关键词集合FWIG;
(1c)利用主题频率-逆主题频率和信息增益的计算方法,计算文档dj∈D中每一个关键词的主题相关度得分,选取主题相关度得分最大的前λ个关键词,构成文档dj的主题信息特征关键词集合 合并得到文档集D的全局主题信息特征关键词集合FWTR;
(1d)对全局信息增益特征关键词集合FWIG和全局主题信息特征关键词集合FWTR合并,构成文档集的特征关键词集合FW=FWIG∪FWTR。
2.根据权利要求1所述一种基于主题语义感知的特征关键词提取方法,其特征在于:在所述步骤(1b)中,基于LDA模型的信息增益计算方法包括如下步骤:(1b1)计算主题集合的信息熵H(T),计算公式如下:
其中ti是主题集合T中的第i个主题,P(ti)是主题i在文档集D中出现的概率,(1b2)针对W中的每一个关键词wi,计算wi在主题集合T下的条件信息熵H(T|wi),计算公式如下:其中,P(wi)是wi在D中的概率,P(tj|wi)是wi在主题tj下的概率,P(tj|wi)=Ω[i][j]·P(tj)。 是wi不在tj下的概率,(1b3)根据(1b1)和(1b2)中得到的T的信息熵和wi在T下的条件信息熵,计算关键词wi在T下的信息增益得分IG(wi,T),计算公式如下:IG(wi,T)=H(T)-H(T|wi)
(1b4)根据W中所有关键词的信息增益得分,选取得分最大的前κ个关键词,构成针对文档集D的全局信息增益特征关键词集合FWIG。
3.根据权利要求1所述一种基于主题语义感知的特征关键词提取方法,其特征在于:所述步骤(1c)主题频率-逆主题频率和信息增益的计算方法包括如下步骤:(1c1)针对W中的每一个关键词wi,计算wi和T之间的主题频率tf(wi),计算公式如下:tf(wi)=Ω[i]
(1c2)针对D中的每一个文档dj,对dj中每一个关键词wi,计算wi和dj之间的主题频率tf(wi,dj),计算公式如下:(1c3)针对W中的每一个关键词wi,计算wi的逆主题频率itf(wi),计算公式如下:其中t是wi关于T中主题tj的主题频率,t=Ω[i][j];由于主题向量没有0值,阈值ζ用来过滤主题相关度较低的主题;
(1c4)用TF-ITF得分TI(wi,dj)表示关键词wi在dj中的重要性,计算公式如下:TI(wi,dj)=tf(wi,dj)·itf(wi)
(1c5)根据(1b3)和(1c4)中得到的关键词wi的信息增益得分和TF-ITF得分,计算wi和dj之间的主题相关度得分TR(wi,dj),计算公式如下:TR(wi,dj)=TI(wi,dj)·IG(wi,T)
(1c6)对于D中每一个文档dj,根据dj中所有关键词的主题相关度得分,选取得分最大的前λ个关键词,构成文档dj的主题信息特征关键词集合(1c7)合并每个文档的主题信息特征关键词集合 构成针对文档集D的全局主题信息特征关键词集合