在线增量标签主题模型

• 作者: 左祥麟 林耀进 陈永恒
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 信息处理 隐藏 Dirichlet 分配(LDA)模型 自然语言处理 主题模型
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 计算机科学
• 页码范围: 992-998
• 页数: 7页
• 分类号: TP301.6
• 字数: 5871字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2015.05.31

摘要

将文本之间存在的时序关联性元信息和文档的标签信息,引入到隐藏 Dirichlet 分配模型中,提出一种在线增量标签主题(on-line labeled incremental topic model,OLT)模型。首先,在线增量标签主题模型优化了文本标签元信息与主题之间的映射关系；其次,利用动态字典增加了模型与文本的拟合程度。该模型优化了先验分布超参数迁移计算的连续性,解决了隐藏 Dirichlet 分配(LDA)模型不能利用文本属性与主题之间的相关性进行主题发现及演变分析的问题。实验结果表明,所提出的在线增量标签主题模型能显著改善多标签判别精度,提高模型的泛化能力并提升模型的运行性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林耀进	闽南师范大学计算机学院	42	204	7.0	11.0
2	左祥麟	吉林大学计算机科学与技术学院	3	5	1.0	2.0
3	陈永恒	闽南师范大学计算机学院	7	20	3.0	4.0