融合文獻(xiàn)內(nèi)外部特征的層次Dirichlet過程主題模型研究.pdf

1、以LDA為代表的主題模型自提出以來，就在表示文檔、模擬文檔的產(chǎn)生過程、處理文檔降維、挖掘文檔中隱含信息等方面取得了長足進(jìn)步，如今已經(jīng)被廣泛應(yīng)用于信息抽取、社會媒體挖掘和學(xué)術(shù)挖掘等領(lǐng)域。
　　本文首先對主題模型中的一些相關(guān)概念進(jìn)行了介紹，并且從主題模型發(fā)展的歷史角度，梳理了主題模型的發(fā)展脈絡(luò)。然后立足于科技情報分析工作，對融合文獻(xiàn)內(nèi)外部特征的主題模型和建模主題間關(guān)系的主題模型這兩大類主題模型的發(fā)展方向進(jìn)行了歸納總結(jié)。在融合文獻(xiàn)內(nèi)外部

2、特征方面，本文從融合單一外部特征和同時融合多個外部特征兩個角度綜述了一些典型主題模型，并對其進(jìn)行了客觀分析和評價。所涉及的外部特征主要包括:科研人員、時間、母體文獻(xiàn)、合著關(guān)系以及參考文獻(xiàn)等。而在建模主題間關(guān)系方面，主要從建模主題間關(guān)系和確定主題個數(shù)兩個方面進(jìn)行歸納。本文基于主題模型的這兩個方面的發(fā)展趨勢，建立了一種融合文獻(xiàn)內(nèi)外部特征的層次Dirichlet過程主題模型，在反映文獻(xiàn)多種外部特征的同時又能確定主題個數(shù)。
　　本文在構(gòu)造

3、模型的過程中，首先將融合科研人員特征的模型（AT模型和coAT模型）中的主題個數(shù)進(jìn)行非參數(shù)化處理，構(gòu)造出非參數(shù)形式的AT模型和coAT模型，使得這兩個模型既能反映科研人員（合著）特征，又能自動確定主題個數(shù)，并且利用吉布斯采樣算法對模型進(jìn)行推斷。之后在這兩個模型的基礎(chǔ)上，又融入更多的外部特征，構(gòu)造出AOCToT模型，使得模型既能同時反映出文獻(xiàn)的科研人員、時間、參考文獻(xiàn)、母體文獻(xiàn)、科研機構(gòu)等特征，又能自動計算主題個數(shù)。最后給出了融合文獻(xiàn)的科

4、研人員、時間、參考文獻(xiàn)、母體文獻(xiàn)、科研機構(gòu)和參考文獻(xiàn)等特征的AOCRToT模型的一個初步構(gòu)想。
　　除此之外，本文還利用NIPS數(shù)據(jù)集和空氣傳感器領(lǐng)域的專利數(shù)據(jù)集對無限AT和無限coAT模型做了深層主題揭示化分析，并把不同數(shù)據(jù)集在不同模型中所得到的結(jié)果進(jìn)行比較分析，對模型進(jìn)行評判，驗證了模型的可行性和有效性。另外，用Hindawi出版集團下的期刊中計算機領(lǐng)域的論文摘要數(shù)據(jù)對AOCToT模型進(jìn)行了可行性和有效性驗證。因此，本文對主題