CN114424197B 使用分层聚类提供罕见主题检测的方法和系统 （国际商业机器公司）

2022.03.22PCT/IB2020/0591122020.09.29WO2021/070005EN2021.04.15US2008222140A1,2008.09.11US2011270830A1,2011.11.03US2013212110A1,2013.08.15US9697245B1,2017.07.04使用分层聚类提供罕见主题检测的方法和可以从一个或多个数据源学习分层主题模2通过在通过多个分层主题建模执行的渐进向下钻取操作期间使用所述分层主题模型一个或多个主导词中的对于所述多个分层主题建模执行的下一次执行不再有区别的那些主导词中的每一个一起用于形成所述一个或多个数据源的语料库内的从所述分层主题模型得到的所述一个或多个主要主题中的每一个的自在迭代地移除备选所选集群中的一个或多个主导词时，从所述通过在通过多个分层主题建模执行的渐进向下钻取操作期间使用所述分层主题模型一个或多个主导词中的对于所述多个分层主题建模执行的下一次执行不再有区别的那些主导词中的每一个一起用于形成所述一个或多个数据源的语料库内的从所述分层主题模型得到的所述一个或多个主要主题中的每一个的自3或多个词矢量并且对所述一个或多个词矢量中的每在迭代地移除备选所选集群中的一个或多个主导词时，从所述15.一种用于通过处理器使用分层主题建模来提供罕见主题检测的计算机程序产品，所述计算机程序产品包括具有存储在其中的计算机可读程序代码部分的非暂态计算机可从一个或多个数据源学习分层主题模型的可执行部通过在通过多个分层主题建模执行的渐进向下钻取操作期间使用所述分层主题模型期间识别的所述一个或多个主导词中的对于所述多个分层主题建模执行的下一次执行不及恢复的所述主导词中的每一个一起用于形成所述一个或多个数据源的语料库内的从所述分层主题模型得到的所述一个或多个主要主题中的每一个的自述一个或多个词矢量中的每个词矢量进行评分的可执在迭代地移除备选所选集群中的一个或多个主导词时，从所述4根据一个或多个集群模型对多个集群中的每20.根据权利要求15所述的计算机程序产品，还包括在每次迭代时迭代地移除所选集群中的一个或多个主导词时识别所述多个集群中的每个集群之间的一个或多个差异的可5聚类来提供罕见主题(raretopic)[0002]计算机和网络技术的出现使得生活质量的提升同时增强日常活动并简化信息共[0008]图4是描绘根据本发明各方面的分析实时会话数据和记录消息之间的到达间时间[0010]图6是描绘用于通过处理器使用分层主题建模来提供罕见主题检测的示例性方法6一个或多个操作来推断基于文本的文档和/或会话中的主题和含义。主题建模和文本挖掘件、演示文稿等)和/或音频/视频形式的对话)期间，有必要快速且自适应地理解通信/对向主题提供通信/对话语料库的概述(与仅仅文档相比)[0019]ngram词的概述可以用于生成词矢量，并且词矢量可以根据一个或多个分配的得7[0020]对于作为王集群的每个集群，分层主题建模操作通过从先前运行/执行中移除一除/抑制的一个或多个词可以用于ngram/片段识别，以改进和提供一个或多个用户的增强在下一/后续迭代分层主题建模操作中，可以在一个或多个后续迭代分层主题建模操作(例而不是从头开始训练主题模型。可以在新数据集上重新训练所学习的现有分层主题模型，并且导致针对先前解决方案的邻域中的聚类问题逐步探索最优解决方案。为了进一步说8所述可配置计算资源可以以最小的管理努力或与所述服务的提供者的交互来快速供应和费者通常不具有对所提供的资源的确切位置的控制或了解，但可能能够以较高抽象级别商支持的编程语言和工具创建的应用部署到云基础设施上。消费者不管理或控制包括网一实体但通过使数据和应用能够移植的标准化或专有技术(例如，云突发以用于云之间的9[0044]计算机系统/服务器12可以在由计算机系统执行的计算机系统可执行指令(诸如[0045]如图1所示，云计算节点10中的计算机系统/服务器12以通用计算设备的形式示存储器28和将包括系统存储器28的不同系统组件耦合到处理器16的[0047]计算机系统/服务器12通常包括各种计算机系统可读介质。这样的介质可以是可络环境的实现方式。程序模块42通常执行如在此所描述的本发明的实施例的功能和/或方境50可通过任何类型的网络和/或网络可寻址连接(例如，使用网络浏览器)与任何类型的[0054]设备层55包括物理和/或虚拟设备，该物理和/或虚拟设备嵌入有和/或独立于电[0060]现在转到图4，框图400描绘了用于使用分层聚类提供罕见主题检测的计算系少一个存储器420或者以其他方式与至少一个存储器420相关联。服务器402还可以包括系任何数量的不同类型的设备可以与在图4中示出的组件相关联或包括在图4中示出的组件[0062]分层主题建模组件408可以使用可以从一个或多个数据源406学习的分层主题建交媒体帖子和/或评论、和在促进讨论的一个或多个网站上由一个或多个用户作出的相关[0064]包括分层主题建模组件408的一个或多个服务器402以及一个或多个数据源406可[0066]聚类组件414可以根据从一个或多个数据源406获得的数据生成一个或多个词矢集群是来自所述多个集群的后续集群迭代的最大[0068]分层主题组件412可以使用分层主题模型来迭代地移除所选集群中的一个或多个释(例如，主题的描述可由用户读取)。分层主题建模组件408提供多级概括(例如，词、表示用于由领域专家的分析师消费。分层主题建模组件408提供可扩展性和实时评分(实[0074]现在转向图6，描绘了用于由处理器使用分层主题建模来提供罕见主题检测的方[0076]在一个方面，结合图6的至少一个方框和/或作为图6的至少一个方框的一部分，个或多个词矢量中的每个词矢量进行评分，并且还可以从一个或多个词矢量生成多个集群是王集群并且王集群是来自多个集群中的最[0078]600的操作可以识别多个集群中的每个集群之间的一个或多个差异，同时在每个迭代处迭代地移除所选集群中的一个或多个主用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(一个或[0080]计算机可读存储介质可为可保留和存储供指令执行装置使用的指令的有形装网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备，或者下载到外部口接收来自网络的计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/[0082]用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令[0083]下面将参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图质包括包含实现流程图和/或框图中的