公开(公告)号：CN116975281A

公开(公告)日：2023-10-31

申请号：CN202310759929.1

申请日：2023-06-26

Applicant: 华侨大学

Inventor： 李弼程 ,  黄志勇 ,  刘其龙 ,  吴静 ,  皮慧娟 ,  王成 ,  王华珍

IPC: G06F16/35 ,  G06F40/289 ,  G06N3/045 ,  G06N3/0499 ,  G06F40/30 ,  G06F18/25 ,  G06F18/23213 ,  G06F40/216

Abstract: 本发明公开了一种基于BERT模型和种子LDA模型的话题检测方法及装置，涉及自然语言处理领域，获取原始文本集，对原始文本集进行预处理，得到文本集；构建种子LDA模型，将文本集中的每条文本输入BERT模型，得到每条文本的语义特征向量，通过BERT模型和种子LDA模型对文本集中每条文本的主题进行特征提取，得到每条文本的主题特征向量，将每条文本的语义特征向量和主题特征向量进行特征融合，得到每条文本的融合特征向量；将文本集中所有文本的融合特征向量输入K‑means算法进行聚类，得到若干个话题簇；基于若干个话题簇采用TF‑IDF算法提取出话题，解决LDA模型对短文本的主题提取效果不好，同时忽略词语的上下文信息等问题。