(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210190041.6 (22)申请日 2022.02.28 (71)申请人 山西大学 地址 030006 山西省太原市坞城路9 2号 (72)发明人 牛奉高　王思佳　苏雅　 (74)专利代理 机构 太原申立德知识产权代理事 务所(特殊普通 合伙) 14115 专利代理师 孙乐 (51)Int.Cl. G06F 40/30(2020.01) G06F 40/216(2020.01) (54)发明名称 一种基于最优运输的动态主题质 量评价方 法 (57)摘要 本发明公开了一种基于最优运输的动态主 题质量评价方法， 属于文本挖掘技术领域。 结合 主题一致性和最优运输理论， 使用最优运输距离 (OT距离)来计算主题转移距离， 用来评估在整个 演化过程中的主题相关性； 同时计算每一个主题 下的主题一致性， 用来评价整个模型的可解释 性。 最后结合两个指标提出一种新的主题演化质 量评价方法来评价动态模型的演化效果。 本发明 通过最优传输距离来判断该主题是否朝着最相 关的主题进行了演化， 同时结合主题 一致性对模 型综合评价。 本发明基于最优运输动态主题的质 量评价方法在文本内容主题的挖掘和演化中对 于文本建模和分类及推荐效果提升具有重要作 用。 权利要求书3页 说明书8页 附图2页 CN 114580431 A 2022.06.03 CN 114580431 A 1.一种基于最优运输的动态主题质量评价方法， 其特 征在于： 包括以下步骤： 步骤1， 对每篇文本进行 预处理； 步骤2， 通过W ord2vec模型对步骤1预处 理后文本中的词进行训练， 得到词嵌入矩阵ρ； 步骤3， 然后使用欧氏距离的计算方法对得到的词嵌入矩阵ρ 求内积， 得到成本矩阵C， 即： C＝Eucl idean( ρ )； 步骤4， 确定主题个数； 步骤5， 建立动态主题模型和动态嵌入式主题模型； 步骤6， 计算 不同时刻主题之间的转移 距离； 设X＝{x1,…,xn}和Y＝{y1,…,ym}是一组度量空间中 的两组点， x1,…,xn表示X的坐标， y1,…,ym表示Y的坐标， 表示n个元素上的概率， 表示m个元素上的概率， p,q是两个在x,y上的离散的概率分布， 即p∈Δn,q∈Δm， 所以有p,q之间 的1‑Wasserstein 距离为： 其中， W1表示1‑Wasserstein距离， C表示的是成本矩阵， Cij＝L(xi,yj)表示距离， 通过表 达式中的约束， Γ表示传输矩阵； 计算主题转移 距离： 其中， 表示的是在t时刻第k个主题在词上分布的第i个分量； 步骤7， 通过遍历所有 主题， 计算出 所有主题的演化距离， 通过归一 化并求平均， 即： 其中， s表示演化距离， 即主题k在t时刻到t+1时刻的转移距离； K表示主题个数， k表示 主题， T表示时刻个数， t表示时刻， 表示归一化后的值， β 表示在t时刻词在 主题k上的分布比例； 步骤8， 计算主题一 致性， 表示为：权　利　要　求　书 1/3 页 2 CN 114580431 A 2其中Topic‑coherence表示主题一致性， K表示主题个数， n表示选取的每个主题下的前 n个词， C表示成本矩阵， f表示 与 的函数， 表示第k个主题的第i个词， 表示第k 个主题的第j个词； P(wi,wj)表示词wi和wj之间的点互信息； 步骤9， 将两种指标相结合 来综合评价主题模型的质量， 表示 为: 2.根据权利要求1所述的一种基于最优运输的动态主题质量评价方法， 其特征在于： 所 述步骤5建立动态主题模型和动态嵌入式主题模型， 具体方法是： 步骤5.1： 建立动态主题模型： 步骤5.1.1， 对每 个文档d生成主题比例 其中， θd表示每个文档d的主题比例， θd的先验取决于文档d的时间戳； LN表示渐近正态 分布， 是一个潜在的变量， 它控制着在t时刻文档d对主题比例的先验平均值， t∈{1, 2,…,T}： t表示时刻， T表示时刻个数； a表示模型的超参数； I表示单位矩阵； 步骤5.1.2， 对于文档d中的第n个词生成主题分配和生成词； zdn～Cat( θd) 其中， zdn表示文档d中的第n个词的主题分配， Cat( ·)表示分类分布； wdn表示文档d的第 n个词， 表示在t时刻文档d中的词在主题zdn上的分布比例； 步骤5.1.3， 将主题在时间上的演化 通过马尔科 夫链表示： ηt| ηt+1～N( ηt+1， δ2I)； 其中， 表示转换后的主题， R表示实数向量空间， V表示表示维数， 将 映射到权　利　要　求　书 2/3 页 3 CN 114580431 A 3