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！

申请/专利权人：中南大学

摘要：本发明涉及一种基于主题模型的产品召回预测方法及系统，方法包括：获取投诉数据和产品召回数据；对投诉数据进行处理，得到待分析语料库；对待分析语料库中的每一条投诉根据投诉品牌对应赋予产品召回标签；训练待分析语料库，根据困惑度和主题解释性确定主题数；提取投诉数据中元数据并进行相应的预处理；构建基于缺陷投诉元数据的监督型段落主题模型，并预置先验参数；利用改进的随机期望最大化算法对监督型段落主题模型的隐变量进行推断，得到缺陷主题分布，并为待分析语料库中所有单词分配稳定的主题；根据缺陷主题分布预测产品召回的概率，并判断产品召回是否发生。有助于决策者制定召回策略，帮助企业规避召回风险。

主权项：1.一种基于主题模型的产品召回预测方法，其特征在于，包括：获取待分析的反映产品质量缺陷的投诉数据和产品召回数据；对所述投诉数据中的投诉文本进行处理，得到待分析语料库；对所述待分析语料库中的每一条投诉根据投诉品牌对应赋予产品召回标签；训练所述待分析语料库，根据困惑度和主题解释性确定主题数；提取所述投诉数据中与所述投诉文本相关的元数据并进行相应的预处理；构建基于缺陷投诉元数据的监督型段落主题模型，并预置所述监督型段落主题模型的先验参数；利用改进的随机期望最大化算法对所述监督型段落主题模型的隐变量进行推断，得到缺陷主题分布，并为所述待分析语料库中所有单词分配稳定的主题；根据所述缺陷主题分布预测产品召回的概率，并判断所述产品召回是否发生；所述预置所述监督型段落主题模型的先验参数，包括：预置所述监督型段落主题模型的先验参数σλ，并通过σλ从正态分布抽取得到所述元数据的K×F维权重系数矩阵λ，所述K为主题数，所述F为所述元数据的数量；预置所述监督型段落主题模型的先验参数β，并通过β从狄利克雷分布抽取得到K×V维单词分布矩阵Φ，所述V为所述待分析语料库中互异单词数；预置所述监督型段落主题模型的先验参数η；所述预置所述监督型段落主题模型的先验参数之后，还包括：在所述待分析语料库的每个文档中，以所述λ与x乘积的指数运算为先验参数，通过狄利克雷分布采样抽取得到文档主题分布向量μ，所述x为文档的元数据矩阵；对文档中的每个段落，以所述μ为基分布通过泊松-狄利克雷过程采样得到段落主题分布向量v，根据所述ν通过多项式分布抽取得到段落中单词的主题序列z；统计所述主题序列z得到结合所述η通过伯努利分布采样生成召回变量y；所述利用改进的随机期望最大化算法对所述监督型段落主题模型的隐变量进行推断，得到缺陷主题分布，并为所述待分析语料库中所有单词分配稳定的主题，包括：积分待求解隐变量{μ，v，Φ}；在吉布斯采样中引入中国餐馆过程对每个单词依次采样主题，增设桌子数t辅助主题采样，所述t为记录主题分配情况的统计量，经过迭代直至得到所述z和所述t的平稳分布样本；统计所述z和所述t的平稳分布情况通过点估计推断各主题分布{μ，ν，Φ}： 其中，所述ti，j，k为第i篇文档中段落j的主题k的数量，所述Ti，j为第i篇文档中段落j的总主题数，所述ni，j，k为第i篇文档中段落j的分配到主题k的单词数，所述Ni，j为第i篇文档中段落j的总单词数，所述Mk，v为所述待分析语料库中分配到主题k的单词数；利用逻辑回归的默认优化L-BFGS算法优化求解{λ，η}。

全文数据：

权利要求：

百度查询： 中南大学 一种基于主题模型的产品召回预测方法及系统