面向主题模型的主题自动语义标注研究综述

发布时间：2023-01-14 17:08

　　【目的】对面向主题模型的主题自动语义标注方法进行总结与评述,以促进主题模型的发展与应用。【文献范围】在Web of Science和CNKI数据库中分别以"Topic Labeling OR Topic Labelling OR Topic Tagging ORTopicIndexing"和"主题模型AND（标注OR标签）"等检索式进行检索,通过手工筛选获得代表性文献57篇。【方法】对相关论文进行深入阅读与分析,以主题标注过程中主题标签的生成来源为线索,对已有方法进行分类与比较分析。【结果】面向主题模型的主题自动语义标注包括候选标签生成与排序两个主要步骤,根据候选标签的生成来源可分为依靠自身语料库和依靠外部语料库两类方法。【局限】目前该领域的研究还不是很丰富,分析与评述不够系统和全面。【结论】该领域的研究仍具有较大探索空间,面向社交媒体内容的主题语义标注是未来研究方向,可结合更丰富的知识库并采用深度学习技术进行改进提升。 

【文章页数】：11 页

【文章目录】：
1 引言
2 主题语义标注中语义标签的种类
3 主题自动语义标注方法
    3.1 基本步骤
    3.2 基于自身语料库的方法
    3.3 基于外部语料库的方法
4 结语


【参考文献】：
期刊论文
[1]基于关联词的主题模型语义标注[J]. 周亦鹏,杜军平.  智能系统学报. 2012(04)
[2]自然语言处理中主题模型的发展[J]. 徐戈,王厚峰.  计算机学报. 2011(08)



本文编号：3730762