基于主题模型及其扩展的短文本算法评述

• 作者: 侯再恩 孙绵 韩肖赟
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: LDA DMM 短文本 主题模型 网络舆情 主题演化 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 综合评述
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP3
• 字数: 6652字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.001

摘要

随着短文本网络舆情的快速传播和流行,传统主题模型的重心实现了从长文本到短文本的转变.针对潜在狄利克雷模型(Latent Dirichlet Allocation,LDA)在短文本上效果不佳的问题,系统地阐述文本特征表示法的变化、常见短文本处理方式和主题模型调整方案;总结LDA和狄利克雷多项混合模型(Dirichlet Multinomial Mixture,DMM)在生成过程、参数估计以及潜在主题个数确定上的发展现状及相应的扩展研究;对主题模型在网络舆情话题演化与深度学习在短文本上的相关应用进行分析,并指出未来主题模型的研究及应用方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯再恩	陕西科技大学文理学院	21	117	4.0	10.0
2	韩肖赟	陕西科技大学文理学院	3	1	1.0	1.0
3	孙绵	陕西科技大学文理学院	4	1	1.0	1.0