一种融合外部特征的改进主题模型

摘要：

[目的]在LDA模型基础上融合时间和作者特征,提出动态作者主题(DAT)模型,更好地揭示文本内容、主题和作者之间的关系.[应用背景]从海量文本中实现特征抽取和语义挖掘已经成为情报研究人员的重要工作.[方法]获取NIPS会议论文作为数据集并进行预处理,按发表年份划分到每个时间片形成一阶马尔科夫链,使用困惑度确定最优主题数,并在每个时间片内通过吉布斯采样估算作者主题概率分布和主题词项概率分布.[结果]实验结果表明,该模型将文档表示为作者主题概率分布和主题词项概率分布,时间维度上可观测主题强度变化和作者兴趣变化.[结论]DAT模型能够有效地融合文档内容与外部特征,实现文本挖掘.

关键词：LDA模型、DAT模型、文本挖掘、吉布斯采样

分类号：G202(信息与传播理论)

资助基金：本文系国家自然科学基金青年基金项目“基于可信语义wiki的知识库构建方法与应用研究”项目编号:71203173的研究成果之一.

在线出版日期：2016-03-09（万方平台首次上网日期，不代表论文的发表时间）

页码：48-54