基于WBLDA的学术文献摘要主题聚类

• 作者: 伍哲 杨芳 潘晓英 陈柳
• 来源期刊: 计算机应用研究
• 关键词: 主题聚类 增大词频特征提取法 优化主题数目作者层主题聚类模型 贝叶斯准则
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2273-2278,2283
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.02.0040

摘要

为使科研人员节省时间,高效阅读学术文献信息,提出一种学术文献摘要的主题聚类模型——优化主题数目作者层主题聚类模型(WBLDA).首先在预处理阶段,自定义符合学术文献摘要特点的分词词典和停用词词典,解决学术文献摘要分词不准确的问题;在特征提取阶段,提出增大词频特征提取方法(ITF-IDF),使用词频放大法来增大词频,弱化文本长度对特征权重的影响,提取出更加符合学术文献摘要方向的特征词;最后,针对传统主题模型忽略作者这一重要属性的缺点,在主题聚类模型中引入学术文献摘要的作者信息,构建文档—主题+作者—词的WBLDA模型,同时使用贝叶斯准则优化主题聚类模型的主题数.通过对学术文献摘要数据集仿真实验结果表明,与TF-IDF相比,ITF-IDF方法的特征提取准确率更高;与LDA相比,WBLDA模型的聚类纯度和F-score值也更高,选择出的主题更加准确,更能代表摘要的学术方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘晓英		40	149	7.0	11.0
2	陈柳		4	0	0.0	0.0
3	伍哲		2	1	1.0	1.0
4	杨芳		4	7	1.0	2.0