基于词嵌入与概率主题模型的社会媒体话题识别

• 作者: 余冲 傅向华 孙旭东 李晶
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 社会媒体 话题检测 特征表示 词嵌入 话题模型 词-主题混合模型
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 184-191
• 页数: 8页
• 分类号: TP18
• 字数: 8091字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.12.034

摘要

词嵌入技术能从大语料库中捕获词语的语义信息,将其与概率主题模型结合可解决标准主题模型缺乏语义信息的问题.为此,同时对词嵌入和主题模型进行改进,构建词-主题混合模型.在主题词嵌入(TWE)模型中引入外部语料库获得初始主题和单词表示,通过定义主题向量和词嵌入的条件概率分布,将词嵌入特征表示和主题向量集成到主题模型中,同时最小化新词-主题分布函数和原始词-主题分布函数的KL散度.实验结果表明,与Word2vec、TWE、LDA和LFLDA模型相比,该模型在词表示和主题检测方面性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅向华	深圳大学计算机与软件学院	28	259	9.0	15.0
2	李晶	深圳大学计算机与软件学院	5	22	2.0	4.0
3	余冲	深圳大学计算机与软件学院	1	9	1.0	1.0
4	孙旭东	深圳大学计算机与软件学院	1	9	1.0	1.0