-
题名基于概率主题模型的文献知识挖掘
被引量：26
- 1
-
-
作者
王萍
-
机构
上海大学计算中心
-
出处
《情报学报》
CSSCI
北大核心
2011年第6期583-590,共8页
-
基金
上海市教育科学研究项目《网络学习支持的有效性研究》（项目编号：B2609105）的阶段性研究成果
-
文摘
对海量的科技文献资源进行知识挖掘能够发现大量有价值的、潜在的知识,有效地提高文献信息的可用性。作者前期研究验证了使用LDA主题模型进行文献知识挖掘的可行性。本文提出了一种新的概率主题模型：Topic-Author模型,该模型对文献的文本信息和作者信息进行联合建模,在分析文献主题同时,发现相关主题方向的研究者分布。基于Topic-Author模型,提出了多维度文献知识挖掘的方法,包括主题挖掘,专家发现,文献标注,重要文献挖掘,文献相似度分析,研究趋势分析和主题关系挖掘。基于教育技术学文献数据集,进行了实验研究。
-
关键词
概率主题模型
Topic-Author模型
文献
文献知识挖掘
-
Keywords
probabilistic topic model
Topic-Author model
literature
literature knowledge mining
-
分类号
G359.2
[文化科学—情报学]
-
