基于属性网络语义表示的文本表示算法

• 作者: 何冉 李有熠
• 来源期刊: 新一代信息技术
• 学科: 工学
• 关键词: 文本表示 主题模型 词嵌入 属性网络表示学习
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 科技论文
• 页码范围: 14-17,35
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2096-6091.2020.10.003

摘要

网络表示学习、主题模型以及词向量将文本或文本中的词表示成低维的向量,三者之间相互促进缺一不可.CLM(Collaboratively Improving Topic Discovery and Word Embeddings by Coordinating Global and Local Contexts)算法基于主题表示和词嵌入表示文本,忽略了文本之间的链接关系.为了提高文本表示的效果,提出了融合语义和网络结构的文本表示算法,利用非负矩阵分解方法将网络表示、主题表示和词嵌入三者进行融合,形成统一的框架,共同地进行文本表示.将表示好的文本分别在聚类和分类算法上进行比较,实验结果表明改进后的算法在准确率和NMI值都优于原算法,文本表示的效果有了一定的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何冉		3	0	0.0	0.0
2	李有熠		1	0	0.0	0.0