-
题名一种面向多文本集的部分比较性LDA模型
被引量：5
- 1
-
-
作者
谭文堂
王桢文
殷风景
葛斌
肖卫东
-
机构
国防科学技术大学信息系统工程重点实验室
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2013年第9期1943-1953,共11页
-
基金
国家自然科学基金项目(60903225)
湖南省自然科学基金项目(11JJ5044)
国防科学技术大学优秀研究生创新基金项目(S100502)
-
文摘
跨时空、跨文化文本挖掘等比较性文本挖掘(comparative text mining,CTM)旨在从多个可比的文本集中发现各文本集隐含语义结构的异同.针对当前主要的CTM模型只能分析公共话题的缺陷,提出一种部分比较性跨文本集LDA模型(partial comparative cross collections LDA model,PCCLDA)来实现跨文本集的话题分析,该模型通过层次狄利克雷过程(hierarchical Dirichlet processes,HDP)把话题划分为公共话题和文本集特有话题,使模型能更加精确地对文本进行建模.模型采用Gibbs抽样方法进行参数推导,一系列包括Held-Out数据对数似然和模型困惑度指标在内的定量与定性的实验表明,模型不仅能够发现公共话题在不同文本集中的差异,而且能分析各文本集特有的话题;在Held-Out对数似然测度和模型困惑度指标上,PCCLDA相对当前两个主要的CTM模型具有较大的优势.
-
关键词
比较性文本挖掘
部分比较性
部分比较性跨文本集LDA模型
话题模型
GIBBS抽样
-
Keywords
comparative text mining~ partial comparative~ partial comparative cross collections LDAmodel （PCCLDA） ~ topic model~ Gibbs sampling
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
