融合关联规则的学术论文主题学习及表示方法

• 作者: 林民 赵慧茹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 主题模型 加权关联规则挖掘 学术论文 频繁三项集
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 159-165
• 页数: 7页
• 分类号: TP391.1
• 字数: 8652字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1706-0250

摘要

针对现有主题模型学习结果语义可解释性差、准确性不高等问题,提出了一种融合关联规则和学术论文元数据的主题学习及表示方法.将学术论文预处理得到目录元数据;利用目录元数据作为先验知识指导主题学习,得到文档中关于主题的词项概率分布;通过加权关联规则挖掘得到各主题的频繁三项集,提出判断主题质量优劣的标准;利用学术论文的元数据,通过改进的向量空间模型算法,合并语义相似的主题;最终得到更符合实际情况且语义可解释性更优的主题语义表示结果.在同一学术论文数据集上,采用三种主题学习及表示方法进行对比实验.实验结果表明,该方法在主题抽取准确度、主题粒度等方面均优于其他方法,充分验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林民	内蒙古师范大学计算机与信息工程学院	53	235	8.0	12.0
2	赵慧茹	内蒙古师范大学计算机与信息工程学院	2	1	1.0	1.0