买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华侨大学申请的专利基于BERT模型和种子LDA模型的话题检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116975281B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310759929.1，技术领域涉及：G06F16/35；该发明授权基于BERT模型和种子LDA模型的话题检测方法及装置是由李弼程;黄志勇;刘其龙;吴静;皮慧娟;王成;王华珍设计研发完成，并于2023-06-26向国家知识产权局提交的专利申请。

本基于BERT模型和种子LDA模型的话题检测方法及装置在说明书摘要公布了：本发明公开了一种基于BERT模型和种子LDA模型的话题检测方法及装置，涉及自然语言处理领域，获取原始文本集，对原始文本集进行预处理，得到文本集；构建种子LDA模型，将文本集中的每条文本输入BERT模型，得到每条文本的语义特征向量，通过BERT模型和种子LDA模型对文本集中每条文本的主题进行特征提取，得到每条文本的主题特征向量，将每条文本的语义特征向量和主题特征向量进行特征融合，得到每条文本的融合特征向量；将文本集中所有文本的融合特征向量输入K‑means算法进行聚类，得到若干个话题簇；基于若干个话题簇采用TF‑IDF算法提取出话题，解决LDA模型对短文本的主题提取效果不好，同时忽略词语的上下文信息等问题。

本发明授权基于BERT模型和种子LDA模型的话题检测方法及装置在权利要求书中公布了：1.一种基于BERT模型和种子LDA模型的话题检测方法，其特征在于，包括以下步骤： 获取原始文本集，对所述原始文本集进行预处理，得到文本集； 构建种子LDA模型，具体包括： 定义所述文本集为，为所述文本集中文本的总数，每个文本有个词语； 从狄利克雷分布中选取生成常规主题词语分布； 从狄利克雷分布中选取生成种子主题词语分布； 从狄利克雷分布中选取生成第个文本的主题分布，为多项式分布； 从主题分布中取样生成第个文本的第个词的主题； 从beta分布中选取，如果为0，则从常规主题分布中采样生成词语；如果为1，则从种子主题分布中采样生成词语； 所述种子LDA模型中各种变量关系如下： ； 其中，为主题的词分布，为采样生成的词语，表示所有变量的联合概率分布，表示在狄利克雷分布条件下主题分布的概率，表示在主题分布条件下主题的词分布概率，表示在狄利克雷分布条件下种子主题词语分布概率，表示在主题的词分布条件下生成的词语的概率，表示在狄利克雷分布条件下生成常规主题词语分布的概率；将所述文本集中的每条文本输入BERT模型，得到每条文本的语义特征向量，通过所述BERT模型和种子LDA模型对所述文本集中每条文本的主题进行特征提取，得到每条文本的主题特征向量，具体包括： 将所述文本集输入种子LDA模型，输出指定个数的主题及其对应的主题词、所述文本集中每条文本对应不同主题的概率以及不同主题词的概率； 将每个主题对应的所述主题词输入BERT模型，对所述主题词进行特征表示，得到主题词的特征表示，将主题词的概率作为权重，对所述主题词的特征表示进行加权，得到主题的特征向量表示： ； 其中，表示主题的特征向量表示，word_vec表示主题词的特征表示，topic2word_weight表示主题词的概率，i=1，2，…，m，m为主题的数量； 将所述文本集中每条文本不同主题的概率作为权重，对所述主题的特征表示向量进行加权，得到每条文本的主题特征向量： ； 其中，表示文本的主题特征向量，doc2topic_weight表示文本对应主题的概率，j=1，2，…，n，n表示文本的数量；将每条文本的语义特征向量和主题特征向量进行特征融合，得到每条文本的融合特征向量； 将所述文本集中所有文本的所述融合特征向量输入K-means算法进行聚类，得到若干个话题簇； 基于所述若干个话题簇采用TF-IDF算法提取出话题。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。