找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。
找到4项技术成果数据。
找技术>-
一种基于监督主题模型的文本标签推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开了一种基于监督主题模型的文本标签推荐方法，通过考虑了标签及其相关词频繁出现于对应文本的特点，给出了一个新的监督文本主题模型Sim2Word，从而较好地解决了文本关键词抽取方法预测效率低和文本主题分析方法预测准确率低的问题。本方法分为两个主要步骤，首先基于词向量技术获取已有标签的相关词数据，之后利用标签和相关词训练标签预测模型，最后基于模型预测新文本的标签。在收集于StackOverflow等真实数据集上的实验表明，该方法较传统的文本标签推荐技术具有更高识别准确率。
-
一种基于用户双词主题模型的短文本推荐方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于文本主题分析技术的短文本推荐方法，利用文本主题模型对用户转发或发表过的信息进行主题分析，获取用户的主题偏好，并以此从大量的未阅读信息中推荐满足用户喜好的信息，从而较好地解决此类系统的信息过载问题。在双词主题模型(Biterm
-
基于社团发现的主题模型构建方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
本发明公开一种基于社团发现的主题模型构建的方法的技术方案，先后包括如下步骤基于短文本数据提取蕴含的关系网络；采用社团发现算法将关系网络划分成多个社团；将各社团中提取的短文本进行扩充以得到具有词共现关系的长文档，并将得到的多个长文档构成长文档集合；针对长文档集合进行主题挖掘，得到基于社团发现的TMCD主题模型。该方法从数据中内在蕴含的社团关系的角度出发，以社团发现算法为基础进行短文本的自扩展，解决了数据稀疏性问题。
-
基于词网络进行特征扩展的短文本主题模型挖掘方法
成熟度：正在研发
技术类型：发明
应用行业：制造业
技术简介
一种基于词网络进行特征扩展的短文本主题模型挖掘方法，包括如下步骤：带权词网络构建步骤：文本预处理，对短文本语料库中的文本进行中文分词，并删除掉停用词；从中文分词后的文档中建立带权词网络，带权词网络中的节点是词语，节点之间的边是两个词语在同一篇文档中的共现关系，边的权重是在整个语料库中两个词语共现的次数；结束；短文本特征扩展步骤：将每条短文本的中文分词后包含的词语节点作为建立的带权词网络中的一个社团；主题挖掘步骤；将短文本特征扩一种基于词网络社团模块度的短文本特征稀疏性解决方法，从而解决LDA主题模型应用于短文本中效果不佳的问题。提升短文本主题模型的准确性。