发明名称 |
基于细划分MapReduce的文本语义提取方法 |
摘要 |
本发明涉及一种基于细划分MapReduce的文本语义提取方法。所述方法包括:将待处理文本集按照文档维度和单词表维度进行双重划分,每个划分是部分文本的部分内容;申请一定数量的Mapper,使用LDA主题模型SparseLDA算法分别训练文本集的每个划分,得到局部参数,并对不同的参数给予不同的标记,记录其所对应的Reducer;申请一定数量的Reducer,不同种类的Reducer融合不同标记的局部参数,得到全局参数,输出到文件;重复此Mapper和Reducer过程直到达到收敛条件,得到最终训练模型,用于新文本的语义解释与表达。 |
申请公布号 |
CN104156350A |
申请公布日期 |
2014.11.19 |
申请号 |
CN201410379847.5 |
申请日期 |
2014.08.04 |
申请人 |
苏州大学 |
发明人 |
曾嘉;高阳;严建峰;刘晓升;杨璐;刘志强 |
分类号 |
G06F17/27(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
苏州市中南伟业知识产权代理事务所(普通合伙) 32257 |
代理人 |
杨明 |
主权项 |
一种基于细划分MapReduce的文本语义提取方法,其特征在于:所述方法包括:将待处理文本集以文档维度和单词维度两个维度分别进行划分;将划分后的文档和单词分别经过MapReduce的多次处理直至达到收敛条件,得到训练模型;基于所述训练模型对文本进行语义解释与表达。 |
地址 |
215000 江苏省苏州市相城区济学路8号 |