基于LDA主题关联过滤的领域主题演化研究

被引：27

作者：

秦晓慧 ^{[1
,2
]}

乐小虬 ^{[1
]}

机构：

[1] 不详

[2] 中国科学院文献情报中心

[3] 不详

[4] 中国科学院大学

[5] 不详

来源：

现代图书情报技术 | 2015年 / 03期

关键词：

主题关联; 主题演化; 主题模型; LDA;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

摘要：

【目的】发现领域文献中主题的新生、消亡、继承、分裂和合并的演化轨迹。【方法】根据文献出版时间划分多个时间窗口,通过LDA主题模型识别各个时间窗口中的主题;利用主题关联(Topic Association)过滤规则确定相邻时间窗口主题间的演化关系;形成连续时间段内主题新生、消亡、继承、分裂和合并的演化轨迹。【结果】在保证主题延续性的条件下,更准确地识别主题的新生、消亡、继承、分裂和合并的演化类型。【局限】固定的时间窗口,未考虑主题演化周期的多样性。【结论】该方法可以有效降低LDA主题模型中相似度较小主题的干扰,提升主题演化关系识别的准确性。

引用

页码：18 / 25

页数：8

共 13 条

[1] 基于动态LDA主题模型的内容主题挖掘与演化 [J].