(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 202210144015.X (22)申请日 2022.02.17 (71)申请人 武汉东湖大 数据交易中心 股份有限 公司 地址 430000 湖北省武汉市东湖新 技术开 发区高新大道999号龙山创新园一期 F3栋2101室 (72)发明人 杜登伟　杜登斌　杜乐　杜小军　 (74)专利代理 机构 武汉红观 专利代理事务所 (普通合伙) 42247 专利代理师 赵志汝 (51)Int.Cl. G06F 40/194(2020.01) G06F 40/279(2020.01) G06F 40/30(2020.01)G06F 17/16(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 基于LDA和向量空间模型的公共政 策参与度 评估方法及系统 (57)摘要 本发明提出了一种基于LDA和向量空间模型 的公共政策参与度评估方法及系统， 其方法包 括： 获取目标公共政策文档和目标动态数据； 采 用TF‑IDF算法分别对目标公共政策文档和目标 动态数据进行分词处理， 得到文档特征分词集合 和数据特征分词集合； 通过LDA模型分别提取目 标公共政策文档和目标动态数据中隐含的语义 信息， 得到文档 ‑数据矩阵； 基于文档特征分词集 合和数据特征分词集合构建向量空间模 型， 计算 出目标公共政策文档与 目标动态数据之间的相 似度， 得到相似度矩阵； 对文档 ‑数据矩阵和相似 度矩阵进行线性加权处理。 本发 明能够对公共政 策中的公民参与度进行有效评估， 同时也解决了 数据稀疏和语义丢失的问题， 提高了评估的准确 性和有效性。 权利要求书3页 说明书8页 附图2页 CN 114528819 A 2022.05.24 CN 114528819 A 1.一种基于LDA和向量空间模型的公共政策参与度评估方法， 其特征在于， 所述方法包 括： S1， 获取目标公共政策文档， 同时获取目标公共政策文档发布后预设阶段内的动态数 据， 作为目标动态数据； S2， 采用TF ‑IDF算法分别对所述目标公共政策文档和目标动态数据进行分词处理， 得 到文档特 征分词集 合和数据特 征分词集 合； S3， 建立LDA模型， 通过LDA模型分别提取目标公共政策文档和目标动态数据中隐含 的 语义信息， 得到文档 ‑数据矩阵； S4， 基于文档特征分词集合和数据特征分词集合构建向量空间模型， 计算出目标公共 政策文档与目标动态数据之间的相似度， 得到相似度矩阵； S5， 对文档 ‑数据矩阵和相似度矩阵进行线性加权处理， 得到可以映射预设阶段内公民 对公共政策的关注度的组合矩阵。 2.如权利要求1所述的一种基于LDA和向量空间模型的公共政策参与度评估方法， 其特 征在于， 步骤S2具体包括： 所述TF‑IDF算法为经 过改进的特 征权重算法， 其计算公式为： 其中， W(t,d)表示t在d中的权重， tf(t,d)为t在d中出现的频次， d为文本语料库C中的 一个文档， t为文档d中的一个词， C＝{c1,c2,…,cm}， ci∈C， m为文本语料库的类别数， G表示 文本语料库中文档的总数， nt为文本语料库中包含t的文本数， W(wk,ci)表示词语wk关于类 别ci的类别权 重， wk表示第k个词， ci表示第i类文章； 采用TF‑IDF算法对所述目标公共政策文档 进行分词处理， 得到一个M ×N的矩阵即为文 档特征分词集 合VM×N， M表示目标公共 政策文档中文本的数目， N表示每 个文本中词的数目； 采用TF‑IDF算法对所述目标动态数据进行分词处理， 得到一个P ×Q的矩阵即为数据特 征分词集 合VP×Q， P表示目标动态数据中文本的数目， Q表示每 个文本中词的数目。 3.如权利要求2所述的一种基于LDA和向量空间模型的公共政策参与度评估方法， 其特 征在于， 步骤S3具体包括： 建立第一LDA模型， 将目标公共政策文档作 为第一LDA模型的语料库， 对第一LDA模型进 行训练； 建立第二LDA模型， 将目标动态数据作为第二LDA模型的语料库， 对第二LDA模型进行训 练； 第一LDA模型用于提取目标公共政策文档的隐藏的语义信息， 得到第一词分布矩阵， 进 而计算出第一主题分布矩阵， 将第一词分布矩阵和 第一主题分布矩阵的乘积作为文档分布 矩阵； 第二LDA模型用于提取目标动态数据中隐含的语义信息， 得到第二词分布矩阵， 进而计 算出第二主题分布矩阵， 将第二词分布矩阵和第二主题分布矩阵的乘积作为数据分布矩 阵； 将文档分布 矩阵与数据分布 矩阵相乘得到文档 ‑数据矩阵。权　利　要　求　书 1/3 页 2 CN 114528819 A 24.如权利要求3所述的一种基于LDA和向量空间模型的公共政策参与度评估方法， 其特 征在于， 建立 LDA模型的步骤具体包括： S301， 随机初始化LDA模型， 对语料库中每篇文档的每个词w， 随机赋予一个主题编号z， 主题总数为K； S302， 重新扫描语料库， 对每个词w， 按照吉普斯采样公式重新采样它的主题， 在语料库 中进行更新； S303， 重复S3 02的重新采样过程， 直到吉普斯采样公式的值收敛； S304， 统计语料库中主题下词的分布 矩阵， 进而计算出相应的文档的主题分布 矩阵。 5.如权利要求4所述的一种基于LDA和向量空间模型的公共政策参与度评估方法， 其特 征在于， 步骤S3 04具体包括： 一个主题下词的分布概 率为： 其中， Wk为文档中第k个词， Tj为语料库中第j个主题， 则词分布 矩阵表示 为： 一篇文档中主题的分布概 率为： 其中， Tj为语料库中第j个主题， Di为语料库中第i 篇文档， 则主题分布 矩阵表示 为： 6.如权利要求5所述的一种基于LDA和向量空间模型的公共政策参与度评估方法， 其特 征在于， 将文档分布 矩阵与数据分布 矩阵相乘得到文档 ‑数据矩阵具体包括： 将第一词分布矩阵和第 一主题分布矩阵的乘积作为文档分布矩阵， 所述文档分布矩阵 的表达式为： Z′＝X′·Y′ 其中， Z′表示文档分布 矩阵， X′表示第一词分布 矩阵， Y′表示第一主题分布 矩阵； 将第二词分布矩阵和第 二主题分布矩阵的乘积作为数据分布矩阵， 所述数据分布矩阵 的表达式为： Z″＝X″·Y″ 其中， Z″表示文档分布 矩阵， X″表示第一词分布 矩阵， Y″表示第一主题分布 矩阵； 将文档分布矩阵与数据分布矩阵相乘得到文档 ‑数据矩阵， 所述文档 ‑数据权重的表达权　利　要　求　书 2/3 页 3 CN 114528819 A 3