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！

龙图腾网获悉江南大学申请的专利一种基于多视图的新闻主题挖掘方法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：CN115203313B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210814839.3，技术领域涉及：G06F16/355；该发明授权一种基于多视图的新闻主题挖掘方法是由葛洪伟;刘国庆;江明设计研发完成，并于2022-06-20向国家知识产权局提交的专利申请。

本一种基于多视图的新闻主题挖掘方法在说明书摘要公布了：本发明公开了一种基于多视图的新闻主题挖掘方法，属于文本分析和数据挖掘的技术领域。本发明首先构建出LT‑MSC模型，然后构造建流形正则化项、稀疏约束项和多样性正则化项，通过引入流形正则化项来挖掘多视图新闻数据中的几何信息，通过使用稀疏约束项来增强子空间表示矩阵的块对角结构，通过融入多样性正则化项来捕获新闻数据中不同视图之间的互补信息。最后，采用谱聚类方法对其进行聚类，相比于现有单视图和多视图挖掘方案，本发明的方法相比于已有的单视图和多视图的挖掘方法，在新闻主题挖掘的场景中能够获得最佳的聚类效果和识别性能，从而有效地提高了新闻主题的挖掘效率和精确率。

本发明授权一种基于多视图的新闻主题挖掘方法在权利要求书中公布了：1.一种基于多视图的新闻主题挖掘方法，其特征在于，所述方法包括： 步骤一：将多视图新闻数据矩阵A1，A2，…，AV分解成矩阵AvFv和矩阵Sv，即： Av＝AvFv+Sv,v＝1,2,...,V 其中，AvFv，Fv和Sv分别表示第v个视图所对应的低秩部分，子空间表示部分和重构误差部分，AV∈Rd×n，d表示新闻数据中样本的维数，n表示新闻数据的个数，V表示视图的个数； 步骤二：根据各单视图的子空间表示部分Fv构造一个N阶张量 F＝ΨF1,F2,...,FV 其中，Ψ·表示通过对不同视图的子空间表示矩阵Fv进行合并之后构造N阶张量F； 将N阶张量F在第n个模式上展开，得到矩阵Fn，表达式为： 其中，In表示矩阵Fn的维数； 步骤三：计算N阶张量F的核范数，公式为： 其中，‖·‖*表示张量的核范数，ζn是一个大于0的常数，且满足 步骤四：构建低秩张量约束的多视图子空间聚类LT-MSC模型： 其中，S＝[S1；S2；...；SV]表示将各个视图的重构误差矩阵拼接在一起形成的矩阵，‖·‖2，1表示矩阵的L2,1范数； 步骤五：计算各个视图的超图拉普拉斯矩阵 步骤六：构建流形正则化项其中，tr·表示矩阵的迹； 步骤七：构建稀疏约束项||FTF||1；其中，‖·‖1表示矩阵的L1范数； 步骤八：构建多样性正则化项 步骤九：基于所述多视图子空间聚类LT-MSC模型、所述流形正则化项稀疏约束项||FTF||1、多样性正则化项构建基于多视图的新闻主题挖掘模型，模型的表达式为： 其中，λ1，λ2，λ3和λ4为平衡参数； 步骤十：更新变量μ，更新公式为： μ＝minρμ,μmax 其中，ρ表示给定的正惩罚参数，μ表示大于0的惩罚参数； 步骤十一：更新子空间表示矩阵Fv、重构误差矩阵S、辅助变量Gn、所述拉格朗日乘子Bv、所述N阶张量F的向量化f、所述辅助变量Gn的向量化gn和拉格朗日乘子αn，直到满足||Av-AvFv-Sv||∞＜ε，且||Pnf-gn||∞＜ε,其中，ε表示满足收敛条件时一个很小的正数； 其中，所述更新子空间表示矩阵Fv的更新过程包括： 根据公式所述基于多视图的新闻主题挖掘模型进一步表示成如下形式： s.t.Av＝AvFv+Sv,v＝1,2,...,V, F＝ΨF1,F2,...,FV, S＝[S1；S2；...；SV]， diagFv＝0 其中， 通过使用增广拉格朗日乘子法ALM优化上述表示形式，采用ALM方法求解时，需要使目标函数可分离，因此，引入了辅助变量Gn来代替Fn，则有： s.t.Pnf＝gn,n＝1,2,...,N Av＝AvFv+Sv,v＝1,2,...,V, F＝ΨF1,F2,...,FV, S＝[S1；S2；...；SV]， diagFv＝0 其中，f和gn分别是所述N阶张量F和所述辅助变量Gn的向量化，Pn是一个置换矩阵，用于校准Fn和所述辅助变量Gn之间对应的元素； 通过使用ALM方法，所述基于多视图的新闻主题挖掘模型进一步表示如下: 其中，αn和Bv是拉格朗日乘子，μ为平衡参数，Lμ＞0表示所述基于多视图的新闻主题挖掘模型的增广拉格朗日函数； 当所述各个视图的重构误差Sv和辅助变量Gn被固定时，所述子空间表示矩阵Fv的更新公式为： 其中，Ωv·表示选择与第v个视图相对应的元素，之后再将这些元素重新构造成矩阵,I1表示全1的矩阵； 进一步得到更新后的子空间表示矩阵如下： 其中， 步骤十二：计算相似度矩阵 步骤十三：根据所述步骤十二获得的相似度矩阵，利用谱聚类方法进行新闻主题的分类，并输出最终的分类结果。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。