基于LDA概率模型的科技文獻主題演化挖掘技術(shù)研究.pdf

1、如何在海量科技文獻環(huán)境下提供有效的知識服務(wù)，已經(jīng)受到了國內(nèi)外學(xué)者與企業(yè)界的高度關(guān)注與重視。為此，作為持有海量文獻資源的數(shù)字圖書館，正在逐步發(fā)展為一個全球化的知識引擎，以提供各種基于科技文獻的知識服務(wù)。其中為實現(xiàn)各種服務(wù)，解決“如何在海量信息環(huán)境下抓住科技發(fā)展的脈絡(luò)，把握研究熱點”便是一個核心和關(guān)鍵問題。由此，本文針對該問題研究了基于LDA概率模型的主題演化挖掘技術(shù)。文章總體的研究思路以科技文獻中“主題”的建模為切入點，在此基礎(chǔ)上研究如何

2、實現(xiàn)對海量科技文獻的動態(tài)“主題”自動發(fā)現(xiàn)及其在時間序列上的“演化”關(guān)聯(lián)問題，以期實現(xiàn)揭示科學(xué)研究主題的演進過程與脈絡(luò)目的。
　　 具體上，本文首先較為系統(tǒng)的分析了文本挖掘領(lǐng)域中的概率建模方法。然后，分別介紹了其中典型的PLSA與LDA主題模型，同時給出了基于LDA主題模型的演化挖掘建模典型思路。在此基礎(chǔ)上，針對科技文獻相比于其他文本數(shù)據(jù)所表現(xiàn)出的復(fù)雜引文關(guān)系，提出了一種基于RRMF矩陣分解的關(guān)系正則化子空間推薦算法，特別在算法中

3、考慮到了如何把網(wǎng)絡(luò)外的孤立數(shù)據(jù)納入網(wǎng)絡(luò)中進行推薦的問題，并且在CiteSeer數(shù)據(jù)集上證實了算法的良好性能。進一步，為了解決應(yīng)用非概率依賴先離散化主題挖掘建模中的主題平滑問題，本文在第3章已驗證的模型基礎(chǔ)上，進一步提出了基于RRMF平滑關(guān)聯(lián)的主題挖掘模型。在抽取的ArnetMiner數(shù)據(jù)集中，進行了2001年至2010年數(shù)據(jù)挖掘相關(guān)領(lǐng)域的主題演化實證分析，并且給出了與基于原始LDA演化模型的路徑對比的案例討論，驗證了本文方法的有效性。最