本發(fā)明涉及互聯(lián)網(wǎng)
技術(shù)領(lǐng)域：
，特別涉及一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法及裝置。
背景技術(shù)：
：隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，用戶在互聯(lián)網(wǎng)上分享的觀點數(shù)據(jù)越來越多。例如，用戶在購物網(wǎng)站發(fā)表的用戶評論、用戶針對某一產(chǎn)品的反饋意見等均為觀點數(shù)據(jù)。其中，用戶分享的觀點數(shù)據(jù)會涉及多個領(lǐng)域，如服裝領(lǐng)域、圖書領(lǐng)域等。為了便于研究或統(tǒng)計各個領(lǐng)域的觀點數(shù)據(jù)，通常需要對各個領(lǐng)域的觀點數(shù)據(jù)進行分類。通常，在對某一個領(lǐng)域的觀點數(shù)據(jù)進行分類時，需要先標注該領(lǐng)域中的觀點數(shù)據(jù)，并基于標注的觀點數(shù)據(jù)訓練分類器來實現(xiàn)。然而，由于互聯(lián)網(wǎng)中的觀點數(shù)據(jù)所涉及的領(lǐng)域很多，對每個領(lǐng)域的觀點數(shù)據(jù)均進行標注會浪費很多資源，而領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法，可以實現(xiàn)在對某些領(lǐng)域的觀點數(shù)據(jù)不進行標注的情況下，實現(xiàn)對這些領(lǐng)域的觀點數(shù)據(jù)進行分類。以采用SFA(SpectralFeatureAlignment，譜的特征隊列)算法實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類為例，相關(guān)技術(shù)在實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類時，首先任意選定一個源領(lǐng)域和目標領(lǐng)域，并確定源領(lǐng)域和目標領(lǐng)域的領(lǐng)域特定詞和領(lǐng)域獨立詞。其中，領(lǐng)域特定詞為一個領(lǐng)域所特有的詞，領(lǐng)域獨立詞為連接源領(lǐng)域和目標領(lǐng)域之間的橋梁。然后，在領(lǐng)域特定詞和領(lǐng)域獨立詞之間構(gòu)建一個雙向圖，該雙向圖用來表示領(lǐng)域特定詞和領(lǐng)域獨立詞之間的共現(xiàn)關(guān)系，進而采用SFA算法將雙向圖中聯(lián)系較多的領(lǐng)域特定詞和領(lǐng)域獨立詞分到一個簇中。由于這個簇能夠減小源領(lǐng)域和目標領(lǐng)域的領(lǐng)域特定詞之間的差距，因此，可根據(jù) 這個簇訓練一個分類器，進而通過訓練得到的分類器實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類。在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)相關(guān)技術(shù)至少存在以下問題：相關(guān)技術(shù)在實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類時，由于選定的源領(lǐng)域和目標領(lǐng)域所涉及的所有詞并不一定能夠明確被劃分為領(lǐng)域特定詞或領(lǐng)域獨立詞，導致通過相關(guān)技術(shù)提出的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)對觀點數(shù)據(jù)進行分類的分類結(jié)果并不精準。技術(shù)實現(xiàn)要素：為了解決現(xiàn)有技術(shù)的問題，本發(fā)明實施例提供了一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法及裝置。所述技術(shù)方案如下：第一方面，提供了一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法，所述方法包括：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；根據(jù)所述源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、所述源領(lǐng)域特定話題矩陣的系數(shù)矩陣及所述源領(lǐng)域與所述目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；根據(jù)所述目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、所述目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及所述樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；根據(jù)所述源領(lǐng)域目標函數(shù)及所述目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；分別確定所述總目標函數(shù)中各個參數(shù)的目標值；根據(jù)所述各個參數(shù)的目標值及所述源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，通過訓練得到的指定分類模型對所述目標領(lǐng)域的觀點數(shù)據(jù)進行分類。第二方面，提供了一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類裝置，所述裝置包括：第一確定模塊，用于根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；第二確定模塊，用于根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；第三確定模塊，用于根據(jù)所述源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、所述源領(lǐng)域特定話題矩陣的系數(shù)矩陣及所述源領(lǐng)域與所述目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；第四確定模塊，用于根據(jù)所述目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、所述目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及所述樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；第五確定模塊，用于根據(jù)所述源領(lǐng)域目標函數(shù)及所述目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；第六確定模塊，用于分別確定所述總目標函數(shù)中各個參數(shù)的目標值；訓練模塊，用于根據(jù)所述各個參數(shù)的目標值及所述源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型；分類模塊，用于通過訓練得到的指定分類模型對所述目標領(lǐng)域的觀點數(shù)據(jù)進行分類。本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是：由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。附圖說明為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下， 還可以根據(jù)這些附圖獲得其他的附圖。圖1是本發(fā)明一實施例提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法的流程圖；圖2是本發(fā)明另一實施例提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法的流程圖；圖3是本發(fā)明另一實施例提供的一種收斂曲線；圖4是本發(fā)明另一實施例提供的一種針對每對領(lǐng)域的差異進行實驗得到的實驗結(jié)果圖；圖5是本發(fā)明另一實施例提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類裝置的結(jié)構(gòu)示意圖；圖6是本發(fā)明另一實施例提供的一種服務(wù)器的結(jié)構(gòu)示意圖；圖7是本發(fā)明另一實施例提供的一種終端的結(jié)構(gòu)示意圖。具體實施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，互聯(lián)網(wǎng)上分享的能夠標識用戶感情的觀點數(shù)據(jù)越來越多。例如，當用戶網(wǎng)購成功后，會在評論中發(fā)表對該次購買的商品的評價意見；當某一個用戶發(fā)表博客后，其他用戶對該用戶發(fā)表的內(nèi)容進行的評論等。其中，觀點數(shù)據(jù)可能為貶義的，也可能為褒義的；可能為主觀的，也可能為客觀的等。也就是說，觀點數(shù)據(jù)具有一定的情感極性，觀點數(shù)據(jù)的情感極性包括正向和負向等，研究觀點數(shù)據(jù)的情感極性的過程即為對觀點數(shù)據(jù)進行分類的過程。通過對觀點數(shù)據(jù)的情感極性進行研究，對于指導產(chǎn)品或服務(wù)等生產(chǎn)實踐具有重要的意義，因此，經(jīng)常需要對觀點數(shù)據(jù)進行分類。進一步地，由于互聯(lián)網(wǎng)上包括的觀點數(shù)據(jù)涉及多個不同的領(lǐng)域。為了便于對多個領(lǐng)域的觀點數(shù)據(jù)進行分類，通常會采用領(lǐng)域自適應(yīng)的分類方法。通過領(lǐng) 域自適應(yīng)的分類方法，可以實現(xiàn)在不對某個或某些領(lǐng)域的觀點數(shù)據(jù)進行標注的情況下，實現(xiàn)對這個或者這些領(lǐng)域的觀點數(shù)據(jù)進行分類。本發(fā)明實施例即提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。在本發(fā)明實施例中，源領(lǐng)域中包括一些已標注極性的已標注觀點數(shù)據(jù)，而目標領(lǐng)域中可能未包括已標注觀點數(shù)據(jù)，通過本發(fā)明實施例提供的方法，可以確定目標領(lǐng)域中任一觀點數(shù)據(jù)的情感極性，從而實現(xiàn)對目標領(lǐng)域的任一觀點數(shù)據(jù)進行分類，具體領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法詳見下述各個實施例：圖1是根據(jù)一示例性實施例提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法的流程圖。參見圖1，本發(fā)明實施例提供的方法流程包括：101：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣。102：根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣。103：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)。104：根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)。105：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)。106：分別確定總目標函數(shù)中各個參數(shù)的目標值。107：根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，通過訓練得到的指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。本發(fā)明實施例提供的方法，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。在另一個實施例中，根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)，包括：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，通過以下公式確定源領(lǐng)域目標函數(shù)：Os=||Xs-[U0,Us]Vs||F2]]>式中，Os為源領(lǐng)域目標函數(shù)，Xs為源領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Us為源領(lǐng)域特定話題矩陣，Vs為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，表示費羅貝尼烏斯范數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)，包括：根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，通過以下公式確定目標領(lǐng)域目標函數(shù)：Ot=||Xt-[U0,Ut]Vt||F2]]>式中，Ot為目標領(lǐng)域目標函數(shù)，Xt為目標領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Ut為目標領(lǐng)域特定話題矩陣，Vt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。在另一個實施例中，根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)，包括：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，通過如下公式確定總目標函數(shù)：Φ=λs||Xs-[U0,Us]Vs||F2+λt||Xt-[U0,Ut]Vt||F2+D(U0,Us,Ut,Us,Vt)]]>D(U0,Us,Ut,Vs,Vt)=α||U0TUs||F2+β||U0TUt||F2+γ||UsTUt||F2+Tr(AU0U0T)+Tr(AUsUST)+Tr(AUtUtT)+Tr(AVsVsT)+Tr(AVtVtT)]]>λs=||Xs||F-2]]>λt=||Xt||F-2]]>式中，Φ為總目標函數(shù)，D(U0，Us，Ut，Vs，Vt)為一個正則項，α、β、γ為各個正則化參數(shù)，Tr()為矩陣的跡，為通過拉格朗日數(shù)乘法在限制U0(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Us(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Ut(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vs(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vt(i，j)≥0條件下得到的拉格朗日乘子矩陣。在另一個實施例中，分別確定總目標函數(shù)中各個參數(shù)的目標值，包括：分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。在另一個實施例中，總目標函數(shù)中的各個參數(shù)包括U0、Us、Ut、Vs和Vt；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，包括：根據(jù)U0的初始值，按照U0m=U0m-1[λsXsHsT+λtXtHtT][λsXs(r)HsT+λtXt(r)Ht+(αUsUsT+βUtUtT)U0]]]>對U0進行迭代計算，直至得到U0的收斂值式中，上一次迭代得到的U0的值，為根據(jù)迭代得到的U0的值，Hs為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣，Ht為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，r表示迭代次數(shù)；根據(jù)Us的初始值，按照Usm=Usm-1[λsXsLsT][λsXs(r)LsT+(αU0U0T+γUtUtT)Us]]]>對Us進行迭代計算，直至得到Us的收斂值式中，上一次迭代得到的Us的值，為根據(jù)迭代得到的Us的值，Ls為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，Lt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣；根據(jù)Ut的初始值，按照Utm=Utm-1[λtXtHtT][λtXt(r)HtT+(βU0U0T+γUsUsT)Ut]]]>對Ut進行 迭代計算，直至得到Ut的收斂值式中，上一次迭代得到的Ut的值，為根據(jù)迭代得到的Ut的值；根據(jù)Vs的初始值，按照對Vs進行迭代計算，直至得到Vs的收斂值式中，為上一次迭代得到的Vs的值，為根據(jù)迭代得到的Vs的值；根據(jù)Vt的初始值，按照對Vt進行迭代計算，直至得到Vt的收斂值式中，為上一次迭代得到的Vt的值，為根據(jù)迭代得到的Vt的值。結(jié)合圖1所對應(yīng)實施例的內(nèi)容，圖2是根據(jù)一示例性實施例提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法的流程圖。參見圖2，本發(fā)明實施例提供的方法流程包括：201：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣。其中，源領(lǐng)域包括一些已標注觀點數(shù)據(jù)，還可能包括一些未標注觀點數(shù)據(jù)，已標觀點數(shù)據(jù)可以為已標注文檔。對于任一已標注觀點數(shù)據(jù)，所標注的數(shù)據(jù)能夠表明該觀點數(shù)據(jù)的情感極性為正向還是負向。例如，如果某一個已標注觀點數(shù)據(jù)為一個已標注文檔，并用“+1”和“-1”分別表示情感極性為正向和負向，如果該已標注文檔的標注數(shù)據(jù)為“+1”，則可以確定該已標注文檔的情感極性為正向。另外，關(guān)于源領(lǐng)域的類型，本發(fā)明實施例不作具體限定。例如，源領(lǐng)域可以為圖書領(lǐng)域、電子領(lǐng)域、服裝領(lǐng)域等。通常，每個領(lǐng)域會包括多個文檔，而每個文檔由至少一個檢索詞組成，因此，對于任一領(lǐng)域，可以通過檢索詞矩陣表示該領(lǐng)域的文檔與檢索詞之間的關(guān)系，從而實現(xiàn)標識該領(lǐng)域的特征。在本發(fā)明實施例中，為了確定源領(lǐng)域中文檔 與檢索詞之間的關(guān)系，以確定源領(lǐng)域的特征，設(shè)定源領(lǐng)域為Xs，源領(lǐng)域中包含的文檔數(shù)為ns個，每個文檔中包含的檢索詞的數(shù)量為m個，在此基礎(chǔ)上，源領(lǐng)域檢索詞矩陣可以表示為：Xs={x1(s),...,xns(s)}.]]>其中，源領(lǐng)域檢索詞矩陣Xs中的每個元素表示對應(yīng)檢索詞的權(quán)重。每個檢索詞的權(quán)重可以根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，通過TF-IDF算法求解得到。由于源領(lǐng)域中每個文檔中都包含m個檢索詞，因此，源領(lǐng)域的檢索詞矩陣還表示為即Xs∈Rm×ns.]]>另外，當任一觀點數(shù)據(jù)為文檔時，由于源領(lǐng)域中包含一定數(shù)量的已標注觀點數(shù)據(jù)，即源領(lǐng)域中包括一定數(shù)量的已標注文檔，為了便于后續(xù)使用源領(lǐng)域中的已標注觀點數(shù)據(jù)訓練指定分類模型，對于源領(lǐng)域中的已標注文檔，可以通過一個文檔極性矩陣Ys表示各個已標注文檔的情感極性。具體地，Ys可以為一個ns×2的矩陣，ns為源領(lǐng)域中包含的文檔的數(shù)量，2表示文檔的情感極性種類有兩種：一種極性為正向，表示文檔表達的觀點為正向觀點，一種極性為負向，表示文檔表達的觀點為負向觀點。結(jié)合文檔極性矩陣的內(nèi)容，以源領(lǐng)域中的第i個文檔為例，若源領(lǐng)域的第i個文檔對應(yīng)文檔極性矩陣中的元素yi＝1，則可確定源領(lǐng)域中第i個文檔的情感極性為正向，即該文檔表達的觀點為正向觀點；若源領(lǐng)域的第i個文檔對應(yīng)的極性矩陣中的元素yi＝-1，則確定源領(lǐng)域中第i個文檔的情感極性為負向，即該文檔表達的觀點為負向觀點。當然，上述方式僅以“+1”和“-1”表示文檔的情感極性為例進行了舉例說明，然而，在具體實施時，還可采用其它數(shù)值表示文檔的情感極性，本實施例對此不作具體的限定。202：根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣。其中，目標領(lǐng)域可能未包括已標注觀點數(shù)據(jù)。另外，目標領(lǐng)域可以為圖書領(lǐng)域、電子領(lǐng)域、服裝領(lǐng)域等與源領(lǐng)域不同的領(lǐng)域，本實施例不對目標領(lǐng)域的類型作具體的限定。結(jié)合上述步驟201中的內(nèi)容，為了確定目標領(lǐng)域的文檔與 檢索詞之間的關(guān)系，以確定目標領(lǐng)域的特征，本發(fā)明實施例設(shè)定目標領(lǐng)域為Xt，目標領(lǐng)域中包含的文檔數(shù)為nt個，每個文檔中包含的檢索詞的數(shù)量為m個，則目標領(lǐng)域的檢索詞矩陣可以表示為：Xt={x1(t),...,xnt(t)}.]]>由于目標領(lǐng)域中每個文檔中都包含m個檢索詞，因此，目標領(lǐng)域的檢索詞矩陣還表示為即Xt∈Rm×nt.]]>需要說明的是，上述步驟201和步驟202僅以先確定源領(lǐng)域檢索詞矩陣，再確定目標領(lǐng)域檢索詞矩陣為例進行了說明。然而，在具體實施時，也可以先確定目標領(lǐng)域檢索詞矩陣，再確定源領(lǐng)域檢索詞矩陣；還可以同時確定源領(lǐng)域檢索詞矩陣和目標領(lǐng)域檢索詞矩陣。203：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)。通常，對于不同類型的領(lǐng)域，往往會有一些領(lǐng)域特定話題。例如，對于電子產(chǎn)品領(lǐng)域，“耐用”和“亮度”即為其領(lǐng)域特定話題。源領(lǐng)域特定話題矩陣為由源領(lǐng)域的領(lǐng)域特定話題組成的矩陣。為了便于說明，本發(fā)明實施例假設(shè)源領(lǐng)域的領(lǐng)域特定話題的數(shù)量為ks，源領(lǐng)域特定話題矩陣為Us，則源領(lǐng)域特定話題矩陣可以表示為：Us＝[u1(s)，…，uk(s)]。由于源領(lǐng)域中的每個文檔中都包含m個檢索詞，因此，源領(lǐng)域特定話題矩陣還可以表示為即其中，源領(lǐng)域特定話題矩陣中的每一列表示源領(lǐng)域的一個特定話題。另外，源領(lǐng)域和目標領(lǐng)域通常還會包括一些共享話題，源領(lǐng)域和目標領(lǐng)域之間的共享話題為源領(lǐng)域和目標領(lǐng)域都會涉及的話題。例如，源領(lǐng)域為圖書領(lǐng)域，目標領(lǐng)域為服裝領(lǐng)域，“昂貴”、“便宜”等話題在源領(lǐng)域和目標領(lǐng)域都會涉及，因此，“昂貴”、“便宜”等話題可作為源領(lǐng)域與目標領(lǐng)域之間的共享話題。本發(fā)明 實施例通過樞紐矩陣表示源領(lǐng)域與目標領(lǐng)域之間的共享話題。具體地，為了便于說明，本發(fā)明實施例設(shè)定共享話題的數(shù)量為k0，源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣為U0，則源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣U0可以表示為：U0=[u1(0),...,uk0(0)].]]>由于源領(lǐng)域和目標領(lǐng)域中的每個文檔中都包含m個檢索詞，因此，樞紐矩陣還可以表示為即其中，樞紐矩陣中的每一列表示源領(lǐng)域和目標領(lǐng)域之間的一個共享話題。結(jié)合上述內(nèi)容，由于源領(lǐng)域特定話題矩陣及樞紐矩陣均為源領(lǐng)域所包括的話題，因此，源領(lǐng)域所包括的話題數(shù)量為k0+ks。另外，在本發(fā)明實施例中，源領(lǐng)域目標函數(shù)可以準確地表示源領(lǐng)域的特征，且源領(lǐng)域目標函數(shù)是后續(xù)步驟中進行領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)進行分類的重要依據(jù)，因此，需要確定源領(lǐng)域目標函數(shù)。又由于源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣及樞紐矩陣均可以用于表示源領(lǐng)域的特征，因此，可以根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)。具體地，可以根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，通過以下公式確定源領(lǐng)域目標函數(shù)：Os=||Xs-[U0,Us]Vs||F2---(1)]]>公式(1)中，Os為源領(lǐng)域目標函數(shù)，Xs為源領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Us為源領(lǐng)域特定話題矩陣，Vs為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，表示費羅貝尼烏斯范數(shù)。上述公式(1)可知，樞紐矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域檢索詞矩陣是確定源領(lǐng)域目標函數(shù)的關(guān)鍵，因此，在確 定源領(lǐng)域目標函數(shù)之前，需要先確定源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣。其中，源領(lǐng)域檢索詞矩陣與源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣之間具有一定的關(guān)系。下面將介紹一下源領(lǐng)域檢索詞矩陣與源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣之間的關(guān)系。具體地，結(jié)合公式(1)，在理想情況下，源領(lǐng)域檢索詞矩陣Xs可以分解得到兩個矩陣，一個矩陣為源領(lǐng)域文檔話題矩陣Vs，一個矩陣為源領(lǐng)域條目話題矩陣Us'。其中，源領(lǐng)域條目話題矩陣Us'為一個m×(ks+k0)階矩陣，即源領(lǐng)域條目話題矩陣Us'中包含的矩陣包括但不限于樞紐矩陣U0和源領(lǐng)域特定話題矩陣Us。源領(lǐng)域文檔話題矩陣Vs為一個ns×(ks+k0)階矩陣，即矩陣中的每一行表示源領(lǐng)域中一個文檔。源領(lǐng)域文檔話題矩陣Vs又可以分解為矩陣Hs和矩陣Ls。其中，Hs為一個ns×k0階矩陣，為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣，用于表示樞紐矩陣在源領(lǐng)域中的權(quán)重大??；Ls為一個ns×ks階矩陣，為源領(lǐng)域特定話題矩陣的系數(shù)矩陣。關(guān)于將源領(lǐng)域的檢索詞矩陣進行分解的方法，包括但不限于采用非負矩陣分解法將源領(lǐng)域檢索詞矩陣進行分解。其中，非負矩陣分解法為在矩陣中所有元素均為非負數(shù)約束條件之下的矩陣分解方法，非負矩陣分解法通過尋找低秩，將矩陣分解成若干個非負的矩陣。實際應(yīng)用中采用非負矩陣分解法分解矩陣的例子有很多，如采用非負矩陣分解數(shù)字圖像中的像素、文本分析中的單詞統(tǒng)計及股票價格等等。非負矩陣分解法的基本思想可以簡單描述為：對于任意給定的一個非負矩陣A，總能找到一個非負矩陣U和一個非負矩陣V，使得非負的矩陣A可以分解成非負矩陣U和V的乘積。利用非負矩陣分解法進行文本、圖像大規(guī)模數(shù)據(jù)的分析，較傳統(tǒng)的處理算法更能描述和刻畫潛在的語義信息。204：根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話 題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)。結(jié)合上述步驟203中的內(nèi)容，目標領(lǐng)域的領(lǐng)域特定話題為目標領(lǐng)域所特有的話題，目標領(lǐng)域特定話題矩陣為由目標領(lǐng)域的特定話題組成的矩陣。為了便于說明，本發(fā)明實施例假設(shè)目標領(lǐng)域的領(lǐng)域特定話題的數(shù)量為kt，目標領(lǐng)域特定話題矩陣為Ut，則目標領(lǐng)域特定話題矩陣Ut可以表示為：Ut＝[u1(t)，…，uk(t)]。由于目標領(lǐng)域中的每個文檔中都包含m個檢索詞，因此，目標領(lǐng)域特定話題矩陣還可以表示為即其中，目標領(lǐng)域特定話題矩陣中的每一列表示目標領(lǐng)域的一個特定話題。結(jié)合上述步驟203中的內(nèi)容，由于目標領(lǐng)域特定話題矩陣及樞紐矩陣均為源領(lǐng)域所包括的話題，因此，目標領(lǐng)域所包括的話題數(shù)量為k0+kt。另外，在本發(fā)明實施例中，目標領(lǐng)域目標函數(shù)可以很好地表示目標領(lǐng)域的特征，又由于目標領(lǐng)域目標函數(shù)是后續(xù)步驟中進行領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類的重要依據(jù)，因此，需要確定目標領(lǐng)域目標函數(shù)。又由于目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣及樞紐矩陣均可以用于表示目標領(lǐng)域的特征，因此，可以根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)。具體地，可以根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，通過以下公式確定目標領(lǐng)域目標函數(shù)：Ot=||Xt-[U0,Ut]Vt||F2---(2)]]>公式(2)中，Ot為目標領(lǐng)域目標函數(shù)，Xt為目標領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Ut為目標領(lǐng)域特定話題矩陣，Vt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。進一步地，由上述公式(2)可知，樞紐矩陣及目標領(lǐng)域特定話題矩陣是確定目標領(lǐng)域目標函數(shù)的關(guān)鍵，因此，在確定目標領(lǐng)域目標函數(shù)之前，需要先確定樞紐矩陣、目標領(lǐng)域的領(lǐng)域特定話題矩陣。關(guān)于確定樞紐矩陣、目標領(lǐng)域的 領(lǐng)域特定話題矩陣及目標領(lǐng)域特定話題矩陣的系數(shù)矩陣的方法，包括但不限于將目標領(lǐng)域檢索詞矩陣進行分解得到。具體地，結(jié)合公式(2)，在理想情況下，目標領(lǐng)域的檢索詞矩陣Xt可以分解得到兩個矩陣，一個矩陣為目標領(lǐng)域文檔話題矩陣Vt，一個矩陣為目標領(lǐng)域條目話題矩陣Ut'。其中，目標領(lǐng)域條目話題矩陣Ut'為一個m×(kt+k0)階矩陣，即目標領(lǐng)域條目話題矩陣Ut'中包含的矩陣包括但不限于樞紐矩陣U0和目標領(lǐng)域特定話題矩陣Ut。目標領(lǐng)域文檔話題矩陣Vt為一個nt×(kt+k0)階矩陣，即矩陣中的每一行表示目標領(lǐng)域中一個文檔。目標領(lǐng)域文檔話題矩陣Vt又可以分解為矩陣Ht和矩陣Lt，其中，Ht為一個nt×k0階矩陣，為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，用于表示樞紐矩陣在目標領(lǐng)域中的權(quán)重大小；Lt為一個nt×k0階矩陣，為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。關(guān)于將目標領(lǐng)域的檢索詞矩陣進行分解的方法，包括但不限于采用非負矩陣分解法將目標領(lǐng)域的檢索詞矩陣進行分解。需要說明的是，本實施例不對上述步驟203和步驟204中執(zhí)行確定源領(lǐng)域目標函數(shù)和確定目標領(lǐng)域目標函數(shù)的先后順序進行限定，具體執(zhí)行時，既可以先確定源領(lǐng)域目標函數(shù)，也可以先確定目標領(lǐng)域目標函數(shù)，還可以同時確定源領(lǐng)域目標函數(shù)和目標領(lǐng)域目標函數(shù)。205：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)。具體地，在確定總目標函數(shù)時，一個簡單直接的方式就是直接將源領(lǐng)域目標函數(shù)和目標領(lǐng)域目標函數(shù)相加得到。然而，這樣確定總目標函數(shù)時，有一個明顯的缺陷就是無法顯著區(qū)分源領(lǐng)域和目標領(lǐng)域各自的領(lǐng)域空間以及他們共有的領(lǐng)域空間，這將可能導致在獲取源領(lǐng)域的領(lǐng)域特定話題時，沒有限制條件約束其不獲取源領(lǐng)域與目標領(lǐng)域之間的共享話題；在獲取共享話題時，也沒有限制條件約束其不從源領(lǐng)域或目標領(lǐng)域的領(lǐng)域特定話題中獲取。為了克服上述缺陷，本發(fā)明實施例在確定總目標函數(shù)時，在源領(lǐng)域目標函數(shù)與目標領(lǐng)域目標函 數(shù)的基礎(chǔ)上增加了一個正則項。通過該正則項可以克服上述問題。結(jié)合上述內(nèi)容，可以根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，通過如下公式確定總目標函數(shù)：Φ=λs||Xs-[U0,Us]Vs||F2+λt||Xt-[U0,Ut]Vt||F2+D(U0,Us,Ut,Us,Vt)---(3)]]>D(U0,Us,Ut,Vs,Vt)=α||U0TUs||F2+β||U0TUt||F2+γ||UsTUt||F2+Tr(AU0U0T)+Tr(AUsUST)+Tr(AUtUtT)+Tr(AVsVsT)+Tr(AVtVtT)---(4)]]>λs=||Xs||F-2]]>λt=||Xt||F-2]]>公式(3)和公式(4)中，Φ為總目標函數(shù)，D(U0，Us，Ut，Vs，Vt)為正則項，α、β、γ為各個正則化參數(shù)，Tr()為矩陣的跡，為通過拉格朗日數(shù)乘法在限制U0(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Us(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Ut(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vs(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vt(i，j)≥0條件下得到的拉格朗日乘子矩陣，i，j分別表示U0、Us、Ut、Vs和Vt中的任一行和任一列。其中，α＝a/(k0*ks)，β＝a/(k0*kt)，γ＝a/(ks*kt)。a可以通過交叉驗證法確定。關(guān)于a的具體數(shù)值，本發(fā)明實施例不作具體限定。206：分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值，并根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。該步驟為分別確定總目標函數(shù)中各個參數(shù)的目標值的具體實現(xiàn)方式。由步驟203和步驟204中的內(nèi)容可得，源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣可以通過對源領(lǐng)域檢索詞矩陣采用非負矩陣分解法分解 得到，目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣可以通過對目標領(lǐng)域檢索詞矩陣采用非負矩陣分解法分解得到。結(jié)合總目標函數(shù)的表達式，總目標函數(shù)中的各個參數(shù)包括樞紐矩陣U0、源領(lǐng)域特定話題矩陣Us、目標領(lǐng)域特定話題矩陣Ut、源領(lǐng)域特定話題矩陣的系數(shù)矩陣Vs和目標領(lǐng)域特定話題矩陣的系數(shù)矩陣Vt。然而，在通過對源領(lǐng)域檢索詞矩陣Xs和目標領(lǐng)域檢索詞矩陣Xt進行分解以得到各個參數(shù)時，不一定進行一次運算即可得到各個參數(shù)的最優(yōu)分解矩陣，而需要通過迭代計算確定各個參數(shù)的最優(yōu)值。因此，本發(fā)明實施例在確定總目標函數(shù)中各個參數(shù)的目標值時，可以先分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值，并根據(jù)各個參數(shù)的初始值，采用一定的算法對各個參數(shù)進行迭代計算，以得到各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。其中，由于總目標函數(shù)中各個參數(shù)均為矩陣，因此，在為各個參數(shù)隨機分配一個非負的值時，為各個參數(shù)中的每個元素均隨機分配一個非負值。具體地，在進行迭代計算時，對于不同的參數(shù)，迭代計算時所采用的具體算法也不一樣。下面將分別對計算各個參數(shù)的收斂值的方式進行介紹。1、計算樞紐矩陣U0的收斂值：首先，將U0看作未知參數(shù)，Us、Ut、Vs和Vt看作已知參數(shù)，則總目標函數(shù)Φ關(guān)于U0的一階導數(shù)用公式可以表示為：▿U0Φ=[λs(Xs(r)-Xs)HsT+λt(Xt(r)-Xt)LtT+(αUsUsT+βUtUtT)U0+AU0]---(5)]]>Xs(r)=[U0(r),Us(r)]Hs(r)]]>Xt(r)=[U0(r),Ut(r)]Ht(r)]]>接下來，采用KKT(Karush-Kuhn-Tucke，卡羅需-庫恩-塔克條件)條件和總目標函數(shù)Φ的梯度▽Φ對上述公式(5)進行限定，可以得到：[λs(Xs(r)-Xs)HsT+λt(Xt(r)-Xt)HtT+(αUsUsT+βUtUtT)U0](i,j)U0(i,j)=0---(6).]]>對該公式(6)進行計算，可以得到：U0m=U0m-1[λsXsHsT+λtXtHtT][λsXs(r)HsT+λtXt(r)Ht+(αUsUsT+βUtUtT)U0]---(7)]]>公式(7)中，上一次迭代得到的U0的值，為根據(jù)迭代得到的U0的值，Hs為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣，表示樞紐矩陣在源領(lǐng)域中的權(quán)重大??；Ht為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，表示樞紐矩陣在目標領(lǐng)域中的權(quán)重大小；r表示迭代次數(shù)，即第r次迭代；表示矩陣點除運算。最后，使用上述公式(7)對U0進行迭代計算，直至得到U0的收斂值其中，在進行第一次迭代計算時，將為U0隨機分配的初始值作為2、計算源領(lǐng)域特定話題矩陣Us的收斂值：首先，將Us看作未知參數(shù)，U0、Ut、Vs和Vt看作已知參數(shù)，則總目標函數(shù)Φ關(guān)于Us的一階導數(shù)用公式可以表示為：▿UsΦ=2[λs(Xs(r)-Xs)LsT+(αU0U0T+γUtUtT)Us+AUs]]]>接下來，采用KKT條件和總目標函數(shù)Φ的梯度▽Φ對上述式子進行限定，可以得到：Usm=Usm-1[λsXsLsT][λsXs(r)LsT+(αU0U0T+γUtUtT)Us]---(8).]]>公式(8)中，上一次迭代得到的Us的值，為根據(jù)迭代得到的Us的值，Ls為源領(lǐng)域的領(lǐng)域特定話題矩陣的系數(shù)矩陣，Lt為目標領(lǐng)域的領(lǐng)域特定話題矩陣的系數(shù)矩陣。最后，使用上述公式(8)對Us進行迭代計算，直至得到Us的收斂值其中，在進行第一次迭代計算時，將為Us隨機分配的初始值作為3、計算目標領(lǐng)域特定話題矩陣Ut的收斂值：該過程的原理同上述1或2中計算樞紐矩陣U0的收斂值或計算源領(lǐng)域特定話題矩陣Us的收斂值中的原理一致，具體可參見上述1或2中的內(nèi)容。具體地，得到的Ut表達式為：Utm=Utm-1[λtXtHtT][λtXt(r)HtT+(βU0U0T+γUsUsT)Ut]---(9)]]>公式(9)中，上一次迭代得到的Ut的值，為根據(jù)迭代得到的Ut的值。在計算Ut的收斂值時，可以通過上述公式(9)不斷對Ut進行迭代計算，直至得到Ut的收斂值4、計算源領(lǐng)域特定話題矩陣的系數(shù)矩陣Vs的收斂值：該過程的原理同上述1或2中計算樞紐矩陣U0的收斂值或計算源領(lǐng)域特定話題矩陣Us的收斂值中的原理一致，具體可參見上述1或2中的內(nèi)容。具體地，得到的Vs表達式為：Vsm=Vsm-1[U‾sTXs][U‾sTU‾sVs]---(10)]]>公式(10)中，為上一次迭代得到的Vs的值，為根據(jù)迭代得到的Vs的值。具體地，在計算Vs的收斂值時，可以通過上述公式(10)對Vs不斷進行迭代計算，直至得到Vs的收斂值5、計算目標領(lǐng)域特定話題矩陣的系數(shù)矩陣Vt的收斂值：該過程的原理同上述1或2中計算樞紐矩陣U0的收斂值或計算源領(lǐng)域特定話題矩陣Us的收斂值中的原理一致，具體可參見上述1或2中的內(nèi)容。具體地， 得到的Vt表達式為：Vtm=Vtm-1[U‾tTXt][U‾tTU‾tVt]]]>公式(10)中，為上一次迭代得到的Vt的值，為根據(jù)迭代得到的Vt的值。在計算Vt的收斂值時，可以通過上述公式(10)不斷對Vt進行迭代計算，直至得到Vt的收斂值進一步地，為了確保能夠根據(jù)總目標函數(shù)中各個參數(shù)的收斂公式(公式(7)至公式(10))得到各個參數(shù)的收斂值，本發(fā)明實施例提供的方法在按照上述過程確定了各個參數(shù)的收斂公式之后，還將對各個參數(shù)的收斂公式進行了收斂性驗證。為了便于說明，下述將結(jié)合公式(8)，以對源領(lǐng)域特定話題矩陣Us的收斂性進行驗證為例進行說明。對于其它參數(shù)的驗證原理同對Us的驗證原理一致，本發(fā)明實施例將不對驗證其它參數(shù)的收斂性的過程進行詳細闡述。具體地，在進行收斂性驗證之前，需要先引入一個定義、兩個引理和一個定理。定義1：假設(shè)F(X，X′)是Φ(X)的一個輔助函數(shù)，且Φ(X)≤F(X，X′)當且僅當Φ(X)＝F(X，X)時等式成立。引理1：假設(shè)F是Φ的一個輔助函數(shù)，Φ是一個非增函數(shù)，在此基礎(chǔ)上，有：X(r+1)=argminXF(X,X(r))]]>結(jié)合上述定義1可得：Φ(X(r+1))≤F(X(r+1)，X(r))≤F(X(r)，X(r))＝Φ(X(r))。引理2：假設(shè)表示Φ中包括的所有之和，下述函數(shù)為的一個輔助函數(shù)：F(Us,Us(r))=Φ(Us(r))+(Us-Us(r))▿Φ(Us(r))+12(Us-Us(r))2S(Us(r))]]>S(Us(r))=[λsXs(r)LsT+(αU0U0T+γUtUtT)Us(r)][Us(r)]]]>定理1：在上述公式(7)至(10)的基礎(chǔ)上，Φ(U0，Us，Ut，Vs，Vt)是一個非增函數(shù)。證明Us的收斂性如下：因為優(yōu)化總目標函數(shù)的目的是使用輔助函數(shù)最小化Φ(Us)，因此，令并使用引理1和引理2，可以得到下述方程：Us(r+1)=Us(r)-[▿Φ(Us(r))/Φ(Us(r))]---(11)]]>而▿Φ(Us(r))=[λs(Xs(r)-Xs)HsT+αU0U0TUs(r)+γUtUtTUs(r)]---(12)]]>使用公式(12)替代引理2中的即可得到公式(8)。另外，在得到總目標函數(shù)中各個參數(shù)的收斂公式后，還可以進一步對各個參數(shù)的復雜度進行分析。在本發(fā)明實施例中，以O(shè)表示各個參數(shù)的復雜度。具體地，結(jié)合上述求解各個參數(shù)的收斂公式的過程可得：在每次迭代中，計算樞紐矩陣U0的復雜度為O(m×n×k0)，其中，n＝max(ns，nt)。同樣地，在每次迭代中，計算源領(lǐng)域特定話題矩陣Us和目標領(lǐng)域特定話題矩陣Ut的復雜度分別為O(m×ns×ks)和O(m×nt×kt)。在每次迭代中，計算源領(lǐng)域特定話題矩陣的系數(shù)矩陣Vs和目標領(lǐng)域特定話題矩陣的系數(shù)矩陣Vt的復雜度分別為O(m×ns×(k0+ks))和O(m×nt×(k0+kt))。由上述各個參數(shù)的復雜度計算公式可得，整個計算過程的復雜度取決于計算源領(lǐng)域特定話題矩陣的系數(shù)矩陣Vs和目標領(lǐng)域特定話題矩陣的系數(shù)矩陣Vt。需要說明的是，上述步驟206僅以通過公式(7)至(10)確定總目標函數(shù)中各個參數(shù)的目標值為例進行了說明，然而，在具體實施時，在確定總目標函 數(shù)中各個參數(shù)的目標值時，還可以基于交替最小二乘法、有效集法或投影梯度法等，本發(fā)明實施例不對確定各個參數(shù)的目標值的方式進行具體限定。207：根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，通過指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。通過上述步驟206可以得到總目標函數(shù)中各個參數(shù)的收斂值，而各個參數(shù)均為能夠標識源領(lǐng)域和目標領(lǐng)域特征的參數(shù)，例如，Us為源領(lǐng)域特定話題矩陣，該參數(shù)能夠標識源領(lǐng)域所特有的話題；Ut為目標領(lǐng)域特定話題矩陣，該參數(shù)能夠標識目標領(lǐng)域所特有的話題；U0為樞紐矩陣，該參數(shù)能夠標識源領(lǐng)域和目標領(lǐng)域所共有的話題。也就是說，總目標函數(shù)中的各個參數(shù)能夠標識源領(lǐng)域和目標領(lǐng)域的特征，因此，在得到各個參數(shù)的收斂值之后，可以得到源領(lǐng)域和目標領(lǐng)域的特征。又由于源領(lǐng)域中包括一些已標注觀點數(shù)據(jù)，而目標領(lǐng)域可能未包括已標注觀點數(shù)據(jù)，因此，可以根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，進而可以通過訓練得到的指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。具體地，可以結(jié)合源領(lǐng)域特定話題矩陣Us的收斂值、目標領(lǐng)域特定話題矩陣Ut的收斂值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型。關(guān)于根據(jù)總目標函數(shù)中各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型的過程，本發(fā)明實施例不進行詳細闡述，可以結(jié)合現(xiàn)有的模型訓練方法來實現(xiàn)。進一步地，當訓練得到分類模型后，如果后續(xù)需要對目標領(lǐng)域中的任一文檔進行分類，即需要確定該文檔的情感極性時，可以將該文檔輸入到該訓練得到的指定分類模型，并通過該訓練得到的指定分類模型的輸出確定該文檔的情感極性。具體地，當訓練得到的指定分類模型通過輸出“+1”和“-1”分別表示文檔的情感極性分別為正向和負向時，如果將任一文檔輸入到該訓練得到的指定分類模型中，當該訓練得到的指定分類模型輸出為“+1”，則可以確定該文檔的情 感極性為正向；當該訓練得到的指定分類模型輸出為“-1”，則可以確定該文檔的情感極性為負向。關(guān)于指定分類模型的具體形式，可以有很多種。例如，指定分類模型可以為SVM(SupportVectorMachine，支持向量機)等。需要說明的是，上述實施例僅以選取一個源領(lǐng)域和一個目標領(lǐng)域進行研究為例進行了說明。然而，在具體實施時，源領(lǐng)域和目標領(lǐng)域的數(shù)量也可以為其它數(shù)值?？蛇x地，為了驗證通過上述步驟201至步驟207實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類時的準確性，本發(fā)明實施例還對上述步驟201至步驟207所提出的方法進行了實驗驗證。具體地，本發(fā)明實施例選取了四個領(lǐng)域進行了實驗驗證。其中，選取的四個領(lǐng)域分別為：圖書領(lǐng)域(B)、DVD(DigitalVersatileDisc，數(shù)字多功能光盤)s領(lǐng)域(D)、電子產(chǎn)品領(lǐng)域(E)、廚房用品領(lǐng)域(K)。在實驗過程中為上述四個領(lǐng)域中的每個觀點數(shù)據(jù)都分配一個觀點標簽。其中，分配的觀點數(shù)據(jù)的標簽為+1或-1。當為某一領(lǐng)域的任一觀點數(shù)據(jù)分配的觀點標簽為+1時，說明該觀點的情感極性為正向；當為某一觀點數(shù)據(jù)分配的觀點標簽為-1時，說明該觀點的情感極性為負向。其中，每個領(lǐng)域包括1000個正向觀點數(shù)據(jù)點和1000個負向觀點數(shù)據(jù)，還有一些未標注觀點數(shù)據(jù)。在實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類任務(wù)中，能夠構(gòu)建的分類任務(wù)有12個，分別為：D→B，E→B，K→B，K→E，D→E，B→E，B→D，K→D，E→D，B→K，D→K，E→K。其中，箭頭前表示源領(lǐng)域，箭頭后表示目標領(lǐng)域。如表1所示，其示出了一種實驗數(shù)據(jù)的組成情況示意表。表1領(lǐng)域訓練數(shù)據(jù)測試數(shù)據(jù)未標注觀點的數(shù)據(jù)負向數(shù)據(jù)的比例圖書1600400446550％DVD1600400594550％電子產(chǎn)品1600400568150％廚房用品1600400358650％表1中所列的數(shù)據(jù)為選取的四個領(lǐng)域的觀點數(shù)據(jù)，其中，每個領(lǐng)域中都包含著訓練數(shù)據(jù)、測試數(shù)據(jù)和未標注觀點的數(shù)據(jù)，且每個領(lǐng)域中負向數(shù)據(jù)所占的比例均為每個領(lǐng)域數(shù)據(jù)的50％。由于在構(gòu)建的12個分類任務(wù)中，每個領(lǐng)域既可以是源領(lǐng)域也可以是目標領(lǐng)域，當所選領(lǐng)域作為源領(lǐng)域時，領(lǐng)域中的訓練數(shù)據(jù)用于構(gòu)建指定分類模型，當所選領(lǐng)域作為目標領(lǐng)域時，領(lǐng)域中的測試數(shù)據(jù)用于對訓練得到的指定分類模型進行測試。因此，為了保證實驗的準確性，本發(fā)明實施例中為各個領(lǐng)域設(shè)定相同數(shù)量的訓練數(shù)據(jù)及測試數(shù)據(jù)，如表1所示，每個領(lǐng)域中的訓練數(shù)據(jù)為1600個，測試數(shù)據(jù)為400個。為了直觀地展現(xiàn)采用本實施例提供的方法在領(lǐng)域自適應(yīng)觀點數(shù)據(jù)分類中的優(yōu)越性，在選取了四個領(lǐng)域的觀點數(shù)據(jù)進行實驗時，還選取了基準算法(baseline)、SCL(StructuralCorrespondenceLearning，結(jié)構(gòu)對應(yīng)學習)、MCT(Multi-labelConsensusTraining,多標記共識培訓)、SFA(SpectralFeatureAlignment，譜的特征隊列)、SDA(StackedDenoisingAuto-encoders，每層去噪自動編碼)、CODA(Chenetal.[2011]proposedastate-Of-the-artDomainAdaptation)和PJNMF(LinkingHeterogeneousInputFeaturesviaPivotsviaJointNon-negativeMatrixFactor-ization，基于非負矩陣分解的通過樞紐連接不同輸入特征的算法)，其中，PJNMF即為本發(fā)明實施例所提供的方法。如表2所示，其示出了一種通過各種不同的算法進行分類得到的分類結(jié)果示意表。表2任務(wù)基本法SCLMCTSFASDACODAPJNMFB→D76.41±0.3178.68±0.2678.92±0.2380.58±0.1881.12±0.1780.64±0.1681.85±0.17E→D71.95±0.1975.51±0.2772.67±0.3576.02±0.1276.63±0.2576.10±0.2377.35±0.20K→D73.35±0.2076.88±0.2974.05±0.2876.55±0.1676.85±0.2876.62±0.2178.62±0.28D→B73.8±0.2478.27±0.1875.67±0.3077.58±0.2378.22±0.3377.83±0.1779.27±0.25E→B72.14±0.2675.06±0.2172.90±0.2775.38±0.2775.50±0.1975.46±0.2576.30±0.22K→B71.25±0.1873.08±0.2474.01±0.3174.15±0.3474.47±0.2575.41±0.2275.87±0.23B→E71.75±0.3275.21±0.1875.62±0.2675.35±0.2675.77±0.2776.34±0.1876.28±0.27D→E72.38±0.2075.95±0.2576.82±0.3477.13±0.2377.65±0.2277.94±0.2077.86±0.24K→E83.35±0.1385.18±0.1584.24±0.2585.01±0.2384.65±0.3484.50±0.3285.92±0.32B→K74.44±0.3077.06±0.2178.31±0.2278.28±0.2578.54±0.2378.35±0.2679.15±0.29D→K75.11±0.3378.96±0.1980.57±0.2480.35±0.2980.77±0.3180.65±0.2481.26±0.33E→K85.11±0.1385.08±0.1685.33±0.2685.91±0.1987.25±0.2086.08±0.2786.37±0.21平均值75.09±0.2377.91±0.2077.43±0.2878.52±0.2378.95±0.2578.83±0.2379.68±0.25其中，表2中的數(shù)據(jù)采用“準確性±標準偏差”的數(shù)據(jù)形式，表2中的加粗數(shù)據(jù)表示采用這些算法得到的最好的實驗結(jié)果。由表2中的數(shù)據(jù)可得，本發(fā)明實施例提出的PJNMF方法在所有的12個任務(wù)中均表現(xiàn)良好，而且?guī)缀踉谒腥蝿?wù)中的分類結(jié)果均比其它算法所計算得到的分類結(jié)果好。進一步地，本發(fā)明實施例還對本發(fā)明實施例提供的方法的收斂性進行了分析，圖3示出了一種收斂曲線。該收斂曲線基于訓練數(shù)據(jù)、并采用本發(fā)明實施例提供的方法得到。圖3中的X軸表示迭代次數(shù)，Y軸表示總目標函數(shù)的值。由圖3可得，采用本發(fā)明實施例提供的方法所得到的總目標函數(shù)能夠很快收斂，通常，當?shù)螖?shù)不超過200次時即可使該總目標函數(shù)收斂。另外，本發(fā)明實施例還進一步研究了源領(lǐng)域與目標領(lǐng)域之間的相似性。實驗表明，A-distance(A-距離)可以用于標識兩個領(lǐng)域之間的差別。假設(shè)A-distance＝2(1-2ε)，ε表示訓練得到的指定模型的基本誤差(例如，步驟207中訓練得到的SVM基本誤差。圖4示出了一種針對每對領(lǐng)域的差異進行實驗得到的實驗結(jié)果圖。圖4中的橫軸為使用詞袋數(shù)據(jù)求得的A-distance的值，縱軸為通過本發(fā)明實施例提供的PJNMF方法求得的A-distance的值。實驗結(jié)果表明，通過本發(fā)明實施例提供的方法，A-distance呈現(xiàn)增加的趨勢，進一步證明了通過本發(fā)明實施例提供的方法確定總目標函數(shù)中的各個參數(shù)時，能夠確保在獲取源領(lǐng)域或目標領(lǐng)域的領(lǐng)域特定話題時，僅在源領(lǐng)域或目標領(lǐng)域所特有的話題中獲 取，而不至于獲取到源領(lǐng)域和目標領(lǐng)域之間的共享話題；而在獲取樞紐話題時，僅在源領(lǐng)域和目標領(lǐng)域之間的共享話題中獲取，而不會從源領(lǐng)域的領(lǐng)域特定話題或目標領(lǐng)域的領(lǐng)域特定話題中獲取。本發(fā)明實施例提供的方法，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。圖5是根據(jù)一示例性實施例提供的一種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類裝置的結(jié)構(gòu)示意圖，該領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類裝置可以用于執(zhí)行上述圖1或圖2所對應(yīng)實施例提供的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。參見圖5，該領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類裝置包括：第一確定模塊501，用于根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；第二確定模塊502，用于根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；第三確定模塊503，用于根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；第四確定模塊504，用于根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；第五確定模塊505，用于根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；第六確定模塊506，用于分別確定總目標函數(shù)中各個參數(shù)的目標值；訓練模塊507，用于根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型；分類模塊508，用于通過訓練得到的指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。本發(fā)明實施例提供的裝置，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。在另一個實施例中，第三確定模塊503，用于根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，通過以下公式確定源領(lǐng)域目標函數(shù)：Os=||Xs-[U0,Us]Vs||F2]]>式中，Os為源領(lǐng)域目標函數(shù)，Xs為源領(lǐng)域檢索詞矩陣，U0為所述樞紐矩陣，Us為源領(lǐng)域特定話題矩陣，Vs為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，表示費羅貝尼烏斯范數(shù)；第四確定模塊504，用于根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，通過以下公式確定目標領(lǐng)域目標函數(shù)：Ot=||Xt-[U0,Ut]Vt||F2]]>式中，Ot為目標領(lǐng)域目標函數(shù)，Xt為目標領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Ut為目標領(lǐng)域特定話題矩陣，Vt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。在另一個實施例中，第五確定模塊505，用于根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，通過如下公式確定總目標函數(shù)：Φ=λs||Xs-[U0,Us]Vs||F2+λt||Xt-[U0,Ut]Vt||F2+D(U0,Us,Ut,Us,Vt)]]>D(U0,Us,Ut,Vs,Vt)=α||U0TUs||F2+β||U0TUt||F2+γ||UsTUt||F2+Tr(AU0U0T)+Tr(AUsUST)+Tr(AUtUtT)+Tr(AVsVsT)+Tr(AVtVtT)]]>λs=||Xs||F-2]]>λt=||Xt||F-2]]>式中，Φ為總目標函數(shù)，D(U0，Us，Ut，Vs，Vt)為一個正則項，α、β、γ為各個正則化參數(shù)，Tr()為矩陣的跡，為通過拉格朗日數(shù)乘法在限制U0(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Us(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Ut(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vs(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vt(i，j)≥0條件下得到的拉格朗日乘子矩陣。在另一個實施例中，第六確定模塊506包括：分配單元，用于分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值；計算單元，用于根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。在另一個實施例中，總目標函數(shù)中的各個參數(shù)包括U0、Us、Ut、Vs和Vt；計算單元用于：根據(jù)U0的初始值，按照U0m=U0m-1[λsXsHsT+λtXtHtT][λsXs(r)HsT+λtXt(r)Ht+(αUsUsT+βUtUtT)U0]]]>對U0進行迭代計算，直至得到U0的收斂值式中，上一次迭代得到的U0的值，為根據(jù)迭代得到的U0的值，Hs為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣，Ht為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，r表示迭代次數(shù)；根據(jù)Us的初始值，按照Usm=Usm-1[λsXsLsT][λsXs(r)LsT+(αU0U0T+γUtUtT)Us]]]>對Us進行迭代計算，直至得到Us的收斂值式中，上一次迭代得到的Us的值，為根據(jù)迭代得到的Us的值，Ls為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，Lt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣；根據(jù)Ut的初始值，按照Utm=Utm-1[λtXtHtT][λtXt(r)HtT+(βU0U0T+γUsUsT)Ut]]]>對Ut進行迭代計算，直至得到Ut的收斂值式中，上一次迭代得到的Ut的值，為根據(jù)迭代得到的Ut的值；根據(jù)Vs的初始值，按照對Vs進行迭代計算，直至得到Vs的收斂值式中，為上一次迭代得到的Vs的值，為根據(jù)迭代得到的Vs的值；根據(jù)Vt的初始值，按照對Vt進行迭代計算，直至得到Vt的收斂值式中，為上一次迭代得到的Vt的值，為根據(jù)迭代得到的Vt的值。圖6是根據(jù)一示例性實施例示出的一種服務(wù)器的結(jié)構(gòu)示意圖。該服務(wù)器可以用于執(zhí)行上述圖1或圖2所對應(yīng)實施例提供的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。參照圖6，服務(wù)器600包括處理組件622，其進一步包括一個或多個處理器，以及由存儲器632所代表的存儲器資源，用于存儲可由處理組件622的執(zhí)行的指令，例如應(yīng)用程序。存儲器632中存儲的應(yīng)用程序可以包括一個或一個以上的每一個對應(yīng)于一組指令的模塊。此外，處理組件622被配置為執(zhí)行指令，以 執(zhí)行上述圖1或圖2所對應(yīng)實施例提供的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。服務(wù)器600還可以包括一個電源組件626被配置為執(zhí)行服務(wù)器600的電源管理，一個有線或無線網(wǎng)絡(luò)接口650被配置為將服務(wù)器600連接到網(wǎng)絡(luò)，和一個輸入輸出(I/O)接口658。服務(wù)器600可以操作基于存儲在存儲器632的操作系統(tǒng)，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，F(xiàn)reeBSDTM或類似。其中，一個或者一個以上程序存儲于存儲器中，且經(jīng)配置以由一個或者一個以上處理器執(zhí)行，所述一個或者一個以上程序包含用于進行以下操作的指令：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；分別確定總目標函數(shù)中各個參數(shù)的目標值；根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，通過訓練得到的指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。假設(shè)上述為第一種可能的實施方式，則在第一種可能的實施方式作為基礎(chǔ)而提供的第二種可能的實施方式中，服務(wù)器的存儲器中，還包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)，包括：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，通過以下公式確定源領(lǐng)域目標函數(shù)：Os=||Xs-[U0,Us]Vs||F2]]>式中，Os為源領(lǐng)域目標函數(shù)，Xs為源領(lǐng)域檢索詞矩陣，U0為所述樞紐矩陣，Us為源領(lǐng)域特定話題矩陣，Vs為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，表示費羅貝尼烏斯范數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)，包括：根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，通過以下公式確定目標領(lǐng)域目標函數(shù)：Ot=||Xt-[U0,Ut]Vt||F2]]>式中，Ot為目標領(lǐng)域目標函數(shù)，Xt為目標領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Ut為目標領(lǐng)域特定話題矩陣，Vt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。在第二種可能的實施方式作為基礎(chǔ)而提供的第三種可能的實施方式中，服務(wù)器的存儲器中，還包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)，包括：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，通過如下公式確定總目標函數(shù)：Φ=λs||Xs-[U0,Us]Vs||F2+λt||Xt-[U0,Ut]Vt||F2+D(U0,Us,Ut,Us,Vt)]]>D(U0,Us,Ut,Vs,Vt)=α||U0TUs||F2+β||U0TUt||F2+γ||UsTUt||F2+Tr(AU0U0T)+Tr(AUsUST)+Tr(AUtUtT)+Tr(AVsVsT)+Tr(AVtVtT)]]>λs=||Xs||F-2]]>λt=||Xt||F-2]]>式中，Φ為總目標函數(shù)，D(U0，Us，Ut，Vs，Vt)為一個正則項，α、β、γ為各個正則化參數(shù)，Tr()為矩陣的跡，為通過拉格朗日數(shù)乘法在限制U0(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Us(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Ut(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vs(i，j)≥0 條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vt(i，j)≥0條件下得到的拉格朗日乘子矩陣。在第一種或第三種可能的實施方式作為基礎(chǔ)而提供的第四種可能的實施方式中，服務(wù)器的存儲器中，還包含用于執(zhí)行以下操作的指令：分別確定總目標函數(shù)中各個參數(shù)的目標值，包括：分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。在第四種可能的實施方式作為基礎(chǔ)而提供的第五種可能的實施方式中，服務(wù)器的存儲器中，還包含用于執(zhí)行以下操作的指令：總目標函數(shù)中的各個參數(shù)包括U0、Us、Ut、Vs和Vt；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，包括：根據(jù)U0的初始值，按照U0m=U0m-1[λsXsHsT+λtXtHtT][λsXs(r)HsT+λtXt(r)Ht+(αUsUsT+βUtUtT)U0]]]>對U0進行迭代計算，直至得到U0的收斂值式中，上一次迭代得到的U0的值，為根據(jù)迭代得到的U0的值，Hs為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣，Ht為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，r表示迭代次數(shù)；根據(jù)Us的初始值，按照Usm=Usm-1[λsXsLsT][λsXs(r)LsT+(αU0U0T+γUtUtT)Us]]]>對Us進行迭代計算，直至得到Us的收斂值式中，上一次迭代得到的Us的值，為根據(jù)迭代得到的Us的值，Ls為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，Lt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣；根據(jù)Ut的初始值，按照Utm=Utm-1[λtXtHtT][λtXt(r)HtT+(βU0U0T+γUsUsT)Ut]]]>對Ut進行迭代計算，直至得到Ut的收斂值式中，上一次迭代得到的Ut的值， 為根據(jù)迭代得到的Ut的值；根據(jù)Vs的初始值，按照對Vs進行迭代計算，直至得到Vs的收斂值式中，為上一次迭代得到的Vs的值，為根據(jù)迭代得到的Vs的值；根據(jù)Vt的初始值，按照對Vt進行迭代計算，直至得到Vt的收斂值式中，為上一次迭代得到的Vt的值，為根據(jù)迭代得到的Vt的值。本發(fā)明實施例提供的服務(wù)器，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。圖7是根據(jù)一示例性實施例提供的一種終端的結(jié)構(gòu)示意圖，該終端可以用于執(zhí)行上述圖1或圖2所對應(yīng)實施例提供的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。具體來講：終端700可以包括RF(RadioFrequency，射頻)電路110、包括有一個或一個以上計算機可讀存儲介質(zhì)的存儲器120、輸入單元130、顯示單元140、傳感器150、音頻電路160、WiFi(WirelessFidelity，無線保真)模塊170、包括有一個或者一個以上處理核心的處理器180、以及電源190等部件。本領(lǐng)域技術(shù)人員可以理解，圖7中示出的終端結(jié)構(gòu)并不構(gòu)成對終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。其中：RF電路110可用于收發(fā)信息或通話過程中，信號的接收和發(fā)送，特別地，將基站的下行信息接收后，交由一個或者一個以上處理器180處理；另外，將涉及上行的數(shù)據(jù)發(fā)送給基站。通常，RF電路110包括但不限于天線、至少一個放大器、調(diào)諧器、一個或多個振蕩器、用戶身份模塊(SIM)卡、收發(fā)信機、耦合器、LNA(LowNoiseAmplifier，低噪聲放大器)、雙工器等。此外，RF電路110還可以通過無線通信與網(wǎng)絡(luò)和其他設(shè)備通信。所述無線通信可以使用任一通信標準或協(xié)議，包括但不限于GSM(GlobalSystemofMobilecommunication，全球移動通訊系統(tǒng))、GPRS(GeneralPacketRadioService，通用分組無線服務(wù))、CDMA(CodeDivisionMultipleAccess，碼分多址)、WCDMA(WidebandCodeDivisionMultipleAccess,寬帶碼分多址)、LTE(LongTermEvolution,長期演進)、電子郵件、SMS(ShortMessagingService，短消息服務(wù))等。存儲器120可用于存儲軟件程序以及模塊，處理器180通過運行存儲在存儲器120的軟件程序以及模塊，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理。存儲器120可主要包括存儲程序區(qū)和存儲數(shù)據(jù)區(qū)，其中，存儲程序區(qū)可存儲操作系統(tǒng)、至少一個功能所需的應(yīng)用程序(比如聲音播放功能、圖像播放功能等)等；存儲數(shù)據(jù)區(qū)可存儲根據(jù)終端700的使用所創(chuàng)建的數(shù)據(jù)(比如音頻數(shù)據(jù)、電話本等)等。此外，存儲器120可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態(tài)存儲器件。相應(yīng)地，存儲器120還可以包括存儲器控制器，以提供處理器180和輸入單元130對存儲器120的訪問。輸入單元130可用于接收輸入的數(shù)字或字符信息，以及產(chǎn)生與用戶設(shè)置以及功能控制有關(guān)的鍵盤、鼠標、操作桿、光學或者軌跡球信號輸入。具體地，輸入單元130可包括觸敏表面131以及其他輸入設(shè)備132。觸敏表面131，也稱為觸摸顯示屏或者觸控板，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸敏表面131上或在觸敏表面131附近的操作)，并根據(jù)預先設(shè)定的程式驅(qū)動相應(yīng)的連接裝置。可選的，觸敏表面131 可包括觸摸檢測裝置和觸摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，并檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸信息，并將它轉(zhuǎn)換成觸點坐標，再送給處理器180，并能接收處理器180發(fā)來的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實現(xiàn)觸敏表面131。除了觸敏表面131，輸入單元130還可以包括其他輸入設(shè)備132。具體地，其他輸入設(shè)備132可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關(guān)按鍵等)、軌跡球、鼠標、操作桿等中的一種或多種。顯示單元140可用于顯示由用戶輸入的信息或提供給用戶的信息以及終端700的各種圖形用戶接口，這些圖形用戶接口可以由圖形、文本、圖標、視頻和其任意組合來構(gòu)成。顯示單元140可包括顯示面板141，可選的，可以采用LCD(LiquidCrystalDisplay，液晶顯示器)、OLED(OrganicLight-EmittingDiode,有機發(fā)光二極管)等形式來配置顯示面板141。進一步的，觸敏表面131可覆蓋顯示面板141，當觸敏表面131檢測到在其上或附近的觸摸操作后，傳送給處理器180以確定觸摸事件的類型，隨后處理器180根據(jù)觸摸事件的類型在顯示面板141上提供相應(yīng)的視覺輸出。雖然在圖7中，觸敏表面131與顯示面板141是作為兩個獨立的部件來實現(xiàn)輸入和輸入功能，但是在某些實施例中，可以將觸敏表面131與顯示面板141集成而實現(xiàn)輸入和輸出功能。終端700還可包括至少一種傳感器150，比如光傳感器、運動傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來調(diào)節(jié)顯示面板141的亮度，接近傳感器可在終端700移動到耳邊時，關(guān)閉顯示面板141和/或背光。作為運動傳感器的一種，重力加速度傳感器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用于識別手機姿態(tài)的應(yīng)用(比如橫豎屏切換、相關(guān)游戲、磁力計姿態(tài)校準)、振動識別相關(guān)功能(比如計步器、敲擊)等；至于終端700還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他 傳感器，在此不再贅述。音頻電路160、揚聲器161，傳聲器162可提供用戶與終端700之間的音頻接口。音頻電路160可將接收到的音頻數(shù)據(jù)轉(zhuǎn)換后的電信號，傳輸?shù)綋P聲器161，由揚聲器161轉(zhuǎn)換為聲音信號輸出；另一方面，傳聲器162將收集的聲音信號轉(zhuǎn)換為電信號，由音頻電路160接收后轉(zhuǎn)換為音頻數(shù)據(jù)，再將音頻數(shù)據(jù)輸出處理器180處理后，經(jīng)RF電路110以發(fā)送給比如另一終端，或者將音頻數(shù)據(jù)輸出至存儲器120以便進一步處理。音頻電路160還可能包括耳塞插孔，以提供外設(shè)耳機與終端700的通信。WiFi屬于短距離無線傳輸技術(shù)，終端700通過WiFi模塊170可以幫助用戶收發(fā)電子郵件、瀏覽網(wǎng)頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網(wǎng)訪問。雖然圖7示出了WiFi模塊170，但是可以理解的是，其并不屬于終端700的必須構(gòu)成，完全可以根據(jù)需要在不改變發(fā)明的本質(zhì)的范圍內(nèi)而省略。處理器180是終端700的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執(zhí)行存儲在存儲器120內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲在存儲器120內(nèi)的數(shù)據(jù)，執(zhí)行終端700的各種功能和處理數(shù)據(jù)，從而對手機進行整體監(jiān)控?？蛇x的，處理器180可包括一個或多個處理核心；優(yōu)選的，處理器180可集成應(yīng)用處理器和調(diào)制解調(diào)處理器，其中，應(yīng)用處理器主要處理操作系統(tǒng)、用戶界面和應(yīng)用程序等，調(diào)制解調(diào)處理器主要處理無線通信?？梢岳斫獾氖?，上述調(diào)制解調(diào)處理器也可以不集成到處理器180中。終端700還包括給各個部件供電的電源190(比如電池)，優(yōu)選的，電源可以通過電源管理系統(tǒng)與處理器180邏輯相連，從而通過電源管理系統(tǒng)實現(xiàn)管理充電、放電、以及功耗管理等功能。電源190還可以包括一個或一個以上的直流或交流電源、再充電系統(tǒng)、電源故障檢測電路、電源轉(zhuǎn)換器或者逆變器、電源狀態(tài)指示器等任意組件。盡管未示出，終端700還可以包括攝像頭、藍牙模塊等，在此不再贅述。具體在本實施例中，終端的顯示單元是觸摸屏顯示器，終端還包括有存儲器， 以及一個或者一個以上的程序，其中一個或者一個以上程序存儲于存儲器中，且經(jīng)配置以由一個或者一個以上處理器執(zhí)行。所述一個或者一個以上程序包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；分別確定總目標函數(shù)中各個參數(shù)的目標值；根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，通過訓練得到的指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。假設(shè)上述為第一種可能的實施方式，則在第一種可能的實施方式作為基礎(chǔ)而提供的第二種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)，包括：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，通過以下公式確定源領(lǐng)域目標函數(shù)：Os=||Xs-[U0,Us]Vs||F2]]>式中，Os為源領(lǐng)域目標函數(shù)，Xs為源領(lǐng)域檢索詞矩陣，U0為所述樞紐矩陣，Us為源領(lǐng)域特定話題矩陣，Vs為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，表示費羅貝尼烏斯范數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩 陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)，包括：根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，通過以下公式確定目標領(lǐng)域目標函數(shù)：Ot=||Xt-[U0,Ut]Vt||F2]]>式中，Ot為目標領(lǐng)域目標函數(shù)，Xt為目標領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Ut為目標領(lǐng)域特定話題矩陣，Vt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。在第二種可能的實施方式作為基礎(chǔ)而提供的第三種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)，包括：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，通過如下公式確定總目標函數(shù)：Φ=λs||Xs-[U0,Us]Vs||F2+λt||Xt-[U0,Ut]Vt||F2+D(U0,Us,Ut,Us,Vt)]]>D(U0,Us,Ut,Vs,Vt)=α||U0TUs||F2+β||U0TUt||F2+γ||UsTUt||F2+Tr(AU0U0T)+Tr(AUsUST)+Tr(AUtUtT)+Tr(AVsVsT)+Tr(AVtVtT)]]>λs=||Xs||F-2]]>λt=||Xt||F-2]]>式中，Φ為總目標函數(shù)，D(U0，Us，Ut，Vs，Vt)為一個正則項，α、β、γ為各個正則化參數(shù)，Tr()為矩陣的跡，為通過拉格朗日數(shù)乘法在限制U0(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Us(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Ut(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vs(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vt(i，j)≥0條件下得到的拉格朗日乘子矩陣。在第一種或第三種可能的實施方式作為基礎(chǔ)而提供的第四種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：分別確定總目標函數(shù)中各個參數(shù)的目標值，包括：分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。在第四種可能的實施方式作為基礎(chǔ)而提供的第五種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：總目標函數(shù)中的各個參數(shù)包括U0、Us、Ut、Vs和Vt；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，包括：根據(jù)U0的初始值，按照U0m=U0m-1[λsXsHsT+λtXtHtT][λsXs(r)HsT+λtXt(r)Ht+(αUsUsT+βUtUtT)U0]]]>對U0進行迭代計算，直至得到U0的收斂值式中，上一次迭代得到的U0的值，為根據(jù)迭代得到的U0的值，Hs為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣，Ht為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，r表示迭代次數(shù)；根據(jù)Us的初始值，按照Usm=Usm-1[λsXsLsT][λsXs(r)LsT+(αU0U0T+γUtUtT)Us]]]>對Us進行迭代計算，直至得到Us的收斂值式中，上一次迭代得到的Us的值，為根據(jù)迭代得到的Us的值，Ls為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，Lt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣；根據(jù)Ut的初始值，按照Utm=Utm-1[λtXtHtT][λtXt(r)HtT+(βU0U0T+γUsUsT)Ut]]]>對Ut進行迭代計算，直至得到Ut的收斂值式中，上一次迭代得到的Ut的值，為根據(jù)迭代得到的Ut的值；根據(jù)Vs的初始值，按照對Vs進行迭代計算，直至得到Vs的收斂值式中，為上一次迭代得到的Vs的值，為根據(jù)迭代得到的Vs的值；根據(jù)Vt的初始值，按照對Vt進行迭代計算，直至得到Vt的收斂值式中，為上一次迭代得到的Vt的值，為根據(jù)迭代得到的Vt的值。本發(fā)明實施例提供的終端，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。本發(fā)明實施例提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)可以是上述實施例中的存儲器中所包含的計算機可讀存儲介質(zhì)；也可以是單獨存在，未裝配入終端中的計算機可讀存儲介質(zhì)。該計算機可讀存儲介質(zhì)存儲有一個或者一個以上程序，該一個或者一個以上程序被一個或者一個以上的處理器用來執(zhí)行領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法，該方法包括：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；分別確定總目標函數(shù)中各個參數(shù)的目標值；根據(jù)各個參數(shù)的目標值及源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型， 通過訓練得到的指定分類模型對目標領(lǐng)域的觀點數(shù)據(jù)進行分類。假設(shè)上述為第一種可能的實施方式，則在第一種可能的實施方式作為基礎(chǔ)而提供的第二種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)，包括：根據(jù)源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、源領(lǐng)域特定話題矩陣的系數(shù)矩陣及源領(lǐng)域與目標領(lǐng)域之間的樞紐矩陣，通過以下公式確定源領(lǐng)域目標函數(shù)：Os=||Xs-[U0,Us]Vs||F2]]>式中，Os為源領(lǐng)域目標函數(shù)，Xs為源領(lǐng)域檢索詞矩陣，U0為所述樞紐矩陣，Us為源領(lǐng)域特定話題矩陣，Vs為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，表示費羅貝尼烏斯范數(shù)；根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，確定目標領(lǐng)域目標函數(shù)，包括：根據(jù)目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及樞紐矩陣，通過以下公式確定目標領(lǐng)域目標函數(shù)：Ot=||Xt-[U0,Ut]Vt||F2]]>式中，Ot為目標領(lǐng)域目標函數(shù)，Xt為目標領(lǐng)域檢索詞矩陣，U0為樞紐矩陣，Ut為目標領(lǐng)域特定話題矩陣，Vt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣。在第二種可能的實施方式作為基礎(chǔ)而提供的第三種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)，包括：根據(jù)源領(lǐng)域目標函數(shù)及目標領(lǐng)域目標函數(shù)，通過如下公式確定總目標函數(shù)：Φ=λs||Xs-[U0,Us]Vs||F2+λt||Xt-[U0,Ut]Vt||F2+D(U0,Us,Ut,Us,Vt)]]>D(U0,Us,Ut,Vs,Vt)=α||U0TUs||F2+β||U0TUt||F2+γ||UsTUt||F2+Tr(AU0U0T)+Tr(AUsUST)+Tr(AUtUtT)+Tr(AVsVsT)+Tr(AVtVtT)]]>λs=||Xs||F-2]]>λt=||Xt||F-2]]>式中，Φ為總目標函數(shù)，D(U0，Us，Ut，Vs，Vt)為一個正則項，α、β、γ為各個正則化參數(shù)，Tr()為矩陣的跡，為通過拉格朗日數(shù)乘法在限制U0(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Us(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Ut(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vs(i，j)≥0條件下得到的拉格朗日乘子矩陣，為通過拉格朗日數(shù)乘法在限制Vt(i，j)≥0條件下得到的拉格朗日乘子矩陣。在第一種或第三種可能的實施方式作為基礎(chǔ)而提供的第四種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：分別確定總目標函數(shù)中各個參數(shù)的目標值，包括：分別為各個參數(shù)隨機分配一個非負的值作為各個參數(shù)的初始值；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，將各個參數(shù)的收斂值作為各個參數(shù)的目標值。在第四種可能的實施方式作為基礎(chǔ)而提供的第五種可能的實施方式中，終端的存儲器中，還包含用于執(zhí)行以下操作的指令：總目標函數(shù)中的各個參數(shù)包括U0、Us、Ut、Vs和Vt；根據(jù)各個參數(shù)的初始值，計算各個參數(shù)的收斂值，包括：根據(jù)U0的初始值，按照U0m=U0m-1[λsXsHsT+λtXtHtT][λsXs(r)HsT+λtXt(r)Ht+(αUsUsT+βUtUtT)U0]]]>對U0進行迭代計算，直至得到U0的收斂值式中，上一次迭代得到的U0的值，為根據(jù)迭代得到的U0的值，Hs為樞紐矩陣對源領(lǐng)域的系數(shù)矩陣， Ht為樞紐矩陣對目標領(lǐng)域的系數(shù)矩陣，r表示迭代次數(shù)；根據(jù)Us的初始值，按照Usm=Usm-1[λsXsLsT][λsXs(r)LsT+(αU0U0T+γUtUtT)Us]]]>對Us進行迭代計算，直至得到Us的收斂值式中，上一次迭代得到的Us的值，為根據(jù)迭代得到的Us的值，Ls為源領(lǐng)域特定話題矩陣的系數(shù)矩陣，Lt為目標領(lǐng)域特定話題矩陣的系數(shù)矩陣；根據(jù)Ut的初始值，按照Utm=Utm-1[λtXtHtT][λtXt(r)HtT+(βU0U0T+γUsUsT)Ut]]]>對Ut進行迭代計算，直至得到Ut的收斂值式中，上一次迭代得到的Ut的值，為根據(jù)迭代得到的Ut的值；根據(jù)Vs的初始值，按照對Vs進行迭代計算，直至得到Vs的收斂值式中，為上一次迭代得到的Vs的值，為根據(jù)迭代得到的Vs的值；根據(jù)Vt的初始值，按照對Vt進行迭代計算，直至得到Vt的收斂值式中，為上一次迭代得到的Vt的值，為根據(jù)迭代得到的Vt的值。本發(fā)明實施例提供的計算機可讀存儲介質(zhì)，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。本發(fā)明實施例中提供了一種圖形用戶接口，該圖形用戶接口用在終端上，該終端包括觸摸屏顯示器、存儲器和用于執(zhí)行一個或者一個以上的程序的一個或者一個以上的處理器；該圖形用戶接口包括：根據(jù)源領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定源領(lǐng)域檢索詞矩陣；根據(jù)目標領(lǐng)域的文檔與檢索詞之間的關(guān)系，確定目標領(lǐng)域檢索詞矩陣；根據(jù)所述源領(lǐng)域檢索詞矩陣、源領(lǐng)域特定話題矩陣、所述源領(lǐng)域特定話題矩陣的系數(shù)矩陣及所述源領(lǐng)域與所述目標領(lǐng)域之間的樞紐矩陣，確定源領(lǐng)域目標函數(shù)；根據(jù)所述目標領(lǐng)域檢索詞矩陣、目標領(lǐng)域特定話題矩陣、所述目標領(lǐng)域特定話題矩陣的系數(shù)矩陣及所述樞紐矩陣，確定目標領(lǐng)域目標函數(shù)；根據(jù)所述源領(lǐng)域目標函數(shù)及所述目標領(lǐng)域目標函數(shù)，確定總目標函數(shù)；分別確定所述總目標函數(shù)中各個參數(shù)的目標值；根據(jù)所述各個參數(shù)的目標值及所述源領(lǐng)域中的已標注觀點數(shù)據(jù)，訓練指定分類模型，通過訓練得到的指定分類模型對所述目標領(lǐng)域的觀點數(shù)據(jù)進行分類。本發(fā)明實施例提供的圖形用戶接口，由于確定的總目標函數(shù)與源領(lǐng)域特定話題矩陣、目標領(lǐng)域特定話題矩陣及表示源領(lǐng)域與目標領(lǐng)域之間的共享話題的樞紐矩陣有關(guān)，從而提供一種借助源領(lǐng)域與目標領(lǐng)域之間的共享話題實現(xiàn)領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法。由于共享話題能夠減小源領(lǐng)域與目標領(lǐng)域之間的差異，使得通過該種領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法進行分類時，可以確保分類結(jié)果的準確性。需要說明的是：上述實施例提供的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類在進行領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類時，僅以上述各功能模塊的劃分進行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外， 上述實施例提供的領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類裝置、服務(wù)器及終端與領(lǐng)域自適應(yīng)的觀點數(shù)據(jù)分類方法實施例屬于同一構(gòu)思，其具體實現(xiàn)過程詳見方法實施例，這里不再贅述。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。當前第1頁1 2 3