基于LDA的主题演化模型研究及应用

发布时间：2021-03-08 07:11

　　随着互联网技术的广泛应用,呈爆炸性增长的数据资源给人们带来严重的信息过载问题.挖掘文本数据中的主题信息随时间变化的情况,可以帮助人们更好地从海量数据中获取有效信息.基于LDA的主题演化模型通过结合时间特征对文本数据进行分析,能够及时发现热点主题,并反映热点主题的演化趋势,为解决信息过载问题提供了一个很好的途径.本文研究细粒度主题发现及演化模型,旨在分析时序文本中目标主题的演化情况.区别于传统的粗粒度主题演化模型,本文基于LDA主题模型的一种扩展模型TTM,对人们感兴趣的主题进行演化趋势分析.本文的主要研究成果如下:1.提出一种基于TTM的先离散式主题演化方法.该方法能对目标主题的内容进行演化关系分析.并利用有效的主题关联过滤规则解决不同时间窗口上主题难以对齐的问题.2.提出一种基于TTM的后离散式主题演化方法.该方法能进行有针对性的目标主题建模,并反映目标主题的强度演化趋势.3.提出一种嵌入式目标主题演化模型TTOT.该模型通过针板先验对目标主题进行稀疏建模,并利用服从贝塔分布的时间变量分析目标主题随时间的变化情况.因此TTOT模型能够同时进行目标主题发现及其演化分析,而无须将文本数据... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【部分图文】：

LDA的图模型

TTM的图模型

NIPS论文数据分布图


本文编号：3070639