一种基于词云技术的可编辑文献主题可视化的构建方法技术

本发明专利技术公开一种基于词云技术的可编辑文献主题可视化的构建方法，以主题词在全文、主题和关键词三种不同考评维度的可视化展现为核心，结合词云技术，形成主题词可编辑的可视化模式，解决了以往单纯依靠词频统计方法，无法准确提取及展现主题词与研究成果关联显著性的问题。

【技术实现步骤摘要】
一种基于词云技术的可编辑文献主题可视化的构建方法
本专利技术涉及一种文献主题可视化的构建方法，特别是一种基于词云技术的可编辑文献主题可视化的构建方法。
技术介绍
文献尤其是非结构化文献的主题提取通常采用词频计算和主题归纳的方法。这种方法对于社交网络中出现的碎片化非连续性文本或主题具有高频特征的文献内容，具有很好的主题归纳效果。目前许多互联网社交媒体中采用的文本主题处理技术大都基于统计分析方法，如二项分布分析法、多项分布分析法、泊松分布分析法、共轭分布分析法及狄利克雷概率密度统计分析法等。但是，这种些基于统计分析方法的文献主题可视化展现方式，通常只测量文献中主题词的词频，进行可视化展现，并不能明确高频词与主题词之间的客观存在的逻辑关系。对于专业领域科技研究文献而言，研究成果的主题词并不一定是文献中高词频词，同时，主题词往往与成果的研究对象、研究方法或研究结果相关，不是通过某一具体的统计分析方法就可以提取展现的。因此，建立主题词的提取规则可编辑性，有利于提高科技文献中的研究成果主题提取的准确率，提升主题词与研究成果相关性的可视化展现能力。
技术实现思路
本专利技术目的在于提供一种基于词云技术的可编辑文献主题可视化的构建方法，解决以往对文献主题词提取及统计过程中，出现的主题词单纯由词频概率高低决定，主题词与研究成果相关性不显著的问题。一种基于词云技术的可编辑文献主题可视化的构建方法的具体步骤为：第一步确定文献主题词词频统计文档中出现的词汇总数为N，主题词个数为K，某一主题词为ai，在文档中出现的次数为nij。由此可知，文档中主题词的全集为A＝{a1，a2，a3，...ak}。根据TF模型，得出某一主题词ai在文献主题词集合中的词频，用公式(1)表示：公式(1)中，nij为主题词ai在文档中出现的次数，∑knkj为文档中K个主题词出现的总次数。第二步确定主题词ai在文档主题词中的权重设主题词ai在文档中出现的概率与k个主题词在文档中出现的概率成正比，与非k个主题词出现的频次成反比，则ai的权重越大；反之越小。为了确认主题词ai的权重，根据TF-IDF权重公式计算ai权重，用公式(2)表示：第三步确定主题词层次概率模型由于主题词在文中不同部分出现的权重大小也不同，根据主题词的不同权重，建立以文档、主题和关键词三层的主题词层次结构，即建立全文、主题和关键词的主题词三级LDA模型，用公式(3)表示。第四步建立基于词云技术的主题词抽取模型由已确定的主题词在文档的权重分布概率可知，当文档中存在某一具体主题为ai的文档层次分布时，基于主题为ai的LDA模型同时满足全文、主题和关键词三级的多项式分布。对于ai在K个主题的符合多项分布的概率分布，用公式(4)表示：第五步确定文档中不同主题的表现规则根据已知全集A＝{a1，a2，a3，...ak}，由此可知，全文中K个主题词的分布满足公式(5)第六步建立基于词云技术的主题可编辑模型主题词A＝{a1，a2，a3，...ak}服从各个主题词在既定条件下的属于主题词合集中的概率a1～P(a1|a2，a3，...，aK)a2～P(a2|a1，a3，...，aK)a3～P(a3|a1，a2，...，aK)......aK～P(aK|a1，a2，...，aK-1)根据已知各个主题词的出现概率，对单个主题词进行编辑迭代，实现各个主题词分布的最优解，得到主题词全集A中的处于概率最高的K个主题词的分布排序。至此，完成了基于词云技术的可编辑文献主题可视化的构建。本专利技术解决了以往单纯依靠词频统计，无法准确提取及展现主题词与研究成果关联显著性的问题。具体实施方式一种基于词云技术的可编辑文献主题可视化的构建方法的具体步骤为：第一步确定文献主题词词频统计文档中出现的词汇总数为N，主题词个数为K，某一主题词为ai，在文档中出现的次数为nij。由此可知，文档中主题词的全集为A＝{a1，a2，a3，...ak}。根据TF模型，得出某一主题词ai在文献主题词集合中的词频，用公式(1)表示：公式(1)中，nij为主题词ai在文档中出现的次数，∑knkj为文档中K个主题词出现的总次数。第二步确定主题词ai在文档主题词中的权重设主题词ai在文档中出现的概率与k个主题词在文档中出现的概率成正比，与非k个主题词出现的频次成反比，则ai的权重越大；反之越小。为了确认主题词ai的权重，根据TF-IDF权重公式计算ai权重，用公式(2)表示：第三步确定主题词层次概率模型由于主题词在文中不同部分出现的权重大小也不同，根据主题词的不同权重，建立以文档、主题和关键词三层的主题词层次结构，即建立全文、主题和关键词的主题词三级LDA模型，用公式(3)表示。第四步建立基于词云技术的主题词抽取模型由已确定的主题词在文档的权重分布概率可知，当文档中存在某一具体主题为ai的文档层次分布时，基于主题为ai的LDA模型同时满足全文、主题和关键词三级的多项式分布。对于ai在K个主题的符合多项分布的概率分布，用公式(4)表示：第五步确定文档中不同主题的表现规则根据已知全集A＝{a1，a2，a3，...，ak}，由此可知，全文中K个主题词的分布满足公式(5)第六步建立基于词云技术的主题可编辑模型主题词A＝{a1，a2，a3，...，ak}服从各个主题词在既定条件下的属于主题词合集中的概率a1～P(a1|a2，a3，...，aK)a2～P(a2|a1，a3，...，aK)a3～P(a3|a1，a2，...，aK)......aK～P(aK|a1，a2，...，aK-1)根据已知各个主题词的出现概率，对单个主题词进行编辑迭代，实现各个主题词分布的最优解，得到主题词全集A中的处于概率最高的K个主题词的分布排序。至此，完成了基于词云技术的可编辑文献主题可视化的构建。本文档来自技高网...

【技术保护点】
1.一种基于词云技术的可编辑文献主题可视化的构建方法，其特征在于具体步骤为：/n第一步 确定文献主题词词频/n统计文档中出现的词汇总数为N，主题词个数为K，某一主题词为ai，在文档中出现的次数为nij；由此可知，文档中主题词的全集为A＝{a

【技术特征摘要】
1.一种基于词云技术的可编辑文献主题可视化的构建方法，其特征在于具体步骤为：
第一步确定文献主题词词频
统计文档中出现的词汇总数为N，主题词个数为K，某一主题词为ai，在文档中出现的次数为nij；由此可知，文档中主题词的全集为A＝{a1，a2，a3，...ak}；
根据TF模型，得出某一主题词ai在文献主题词集合中的词频，用公式(1)表示：



第二步确定主题词ai在文档主题词中的权重
设主题词ai在文档中出现的概率与k个主题词在文档中出现的概率成正比，与非k个主题词出现的频次成反比，则ai的权重越大；反之越小；为了确认主题词ai的权重，根据TF-IDF权重公式计算ai权重，用公式(2)表示：



第三步确定主题词层次概率模型
由于主题词在文中不同部分出现的权重大小也不同，根据主题词的不同权重，建立以文档、主题和关键词三层的主题词层次结构，即建立全文、主题和关键词的主题词三级LDA模型，用公式(3)表示；






第四步建立基于词云技术的主题词抽取模型
由已确定的主题词在文档的权重分布概率可知，当文档中存在某一...

【专利技术属性】
技术研发人员：卫未，蔡辉，王鹏达，李振雨，原菁菁，韩喜，田佳，高玉伟，
申请(专利权)人：北京机电工程总体设计部，
类型：发明
国别省市：北京;11