基于HLDA-IDF模型的网络文本主题挖掘研究

发布时间：2018-01-19 06:04

本文关键词： 热度模型主题挖掘网络文本文本挖掘　出处：《情报理论与实践》2017年10期 　论文类型：期刊论文

【摘要】：[目的/意义]为了弥补LDA模型建模过程中未考虑到网络文本中文档关注度和质量度这一因素,并增强结果的语义可解释性和主题表示能力,文章提出了一种热度加权的HLDA-IDF的网络文本主题挖掘模型。[方法/过程]本文首先是给出了较为准确的热度定义,并对LDA模型进行热度加权,构建出了HLDA模型,再依据词汇的主题表示能力存在差异这一实际情况,引入TF-IDF算法并改进,构建出HLDA-IDF模型,最后利用实际论坛数据进行实验验证。[结果/结论]实验结果表明该模型的结果语义可解释性和主题表示能力较强。
[Abstract]:[Objective / meaning] in order to make up for the fact that the document concern and quality in the network text were not taken into account in the process of modeling the LDA model, and to enhance the semantic interpretability and topic representation of the result. In this paper, a heat weighted HLDA-IDF model for web text topic mining is proposed. [Method / process: first of all, we give a more accurate definition of heat, and build a HLDA model by weighting the heat of LDA model. Then according to the fact that there are differences in the expression ability of the topic of the vocabulary, the TF-IDF algorithm is introduced and improved, and the HLDA-IDF model is constructed. Finally, the experimental results are verified by using the actual forum data. [Results / conclusions] the experimental results show that the results of the model are interpretable in semantic terms and strong in topic representation.
【作者单位】：南京航空航天大学经济与管理学院;
【基金】：国家自然科学基金项目“基于演化本体的网络舆情自适应跟踪方法研究”(项目编号:71373123) 江苏高校哲学社会科学研究重点项目“基于超网络的江苏教育微博舆情多元意见演化模型及应用研究”(项目编号:2015ZDIXM007) 江苏省普通高校研究生科研创新计划项目“社交网络上的舆情传播模型及控制策略研究”(项目编号:KYZZ15_0104)的成果
【分类号】：TP391.1
【正文快照】： 随着互联网上文本的不断涌现,如何从丰富的文本数据中提取出精简且有价值的关键信息是目前研究的一个难点,而主题模型的提出则为解决该问题提供了一个切实可行的研究方向。首个完全意义上的主题模型是隐狄利克雷分布(Latent Dirichlet Allocation,LDA)[1]主题模型,该模型认为

【相似文献】