[发明专利]一种基于平行语料库的跨语种新闻主题相似性对比方法有效
| 申请号： | 201810245163.4 | 申请日： | 2018-03-23 |
| 公开（公告）号： | CN108519971B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 王琦;于水源;曹轶臻;韩笑;戴长松 | 申请（专利权）人： | 中国传媒大学 |
| 主分类号： | G06F40/216 | 分类号： | G06F40/216;G06F40/58;G06F40/289;G06F40/30 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 刘萍 |
| 地址： | 100024 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于平行语料库的跨语种新闻主题相似性对比方法。步骤如下：(1)平行语料库中每个文档都有独立的主题分布，并且语言描述同一个主题、共享主题分布；首先，检索中文中关于T主题的文章集，基于平行语料库中的中文通用语料库，由LDA主题模型算法得到文章集的中文LDA主题模型；然后，将中文的T主题LDA主题模型映射到广义主题模型空间得到T主题的中文和F语言共享的LDA主题模型，使用LDA算法，由F语言的待筛选的未知主题的文章和平行语料库中的F语言语料库得到F语言LDA主题模型；将这广义空间上的LDA主题模型和F语言LDA主题模型作对比，如果相似则认为此待筛选文章是关于T主题的文章。本发明能够快速准确不经翻译自动筛选出特定主题的文章。 | ||
| 搜索关键词： | 一种 基于 平行 语料库 语种 新闻 主题 相似性 对比 方法 | ||
【主权项】：
1.一种基于平行语料库的跨语种新闻主题相似性对比方法，其特征在于，该方法分为三个步骤：前提是拥有一个通用的中文和F语言两个语种的平行语料库；假设目标新闻主题是T主题，外文语言是F，在不翻译的情况下，F语言未知主题的文章中筛选出F语言的关于T主题的文章：(1)平行语料库中每个文档都有独立的主题分布，并且语言描述同一个主题、共享主题分布；首先，检索中文中关于T主题的文章集，基于平行语料库中的中文通用语料库，由LDA主题模型算法得到文章集的中文LDA主题模型；(2)然后，将中文的T主题LDA主题模型映射到广义主题模型空间得到T主题的中文和F语言共享的LDA主题模型，使用LDA算法，由F语言的待筛选的未知主题的文章和平行语料库中的F语言语料库得到F语言LDA主题模型；(3)将这广义空间上的LDA主题模型和F语言LDA主题模型作对比，如果相似则认为此待筛选文章是关于T主题的文章。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国传媒大学，未经中国传媒大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810245163.4/，转载请声明来源钻瓜专利网。
