基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
社交软件的普及使得从海量数字文本中挖掘有效信息成为一个热点问题,经典主题模型LDA和LSA均基于单词共现来捕获主题信息,忽略了单词间的位置信息.为此,设计主题与单词间的注意力机制并将主题信息和单词信息融入到LDA框架中,构建一种主题模型JEA-LDA.该模型通过单词与主题间的注意力机制将单词信息和主题信息融合为特征表示,用于LDA模型的主题提取.实验结果表明,相比LDA、DMM等模型,该模型的主题一致性和分类性能均较高,能够取得更好的主题提取效果.
推荐文章
基于深层注意力的LSTM的特定主题情感分析
特定主题情感分析
深层注意力
LSTM
深度学习
自然语言处理
基于增量词集频率的文本主题词提取算法研究
增量词集频率
主题词
自然语言处理
一种基于主题词集的自动文摘方法
自动文摘
主题词集
句子权重
自然语言处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 结合主题词嵌入和注意力机制的主题模型
来源期刊 计算机工程 学科 工学
关键词 主题模型 单词嵌入 主题嵌入 注意力机制 LDA模型
年,卷(期) 2020,(11) 所属期刊栏目 人工智能与模式识别
研究方向 页码范围 104-108
页数 5页 分类号 TP391
字数 语种 中文
DOI 10.19678/j.issn.1000-3428.0055952
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈可佳 19 54 4.0 6.0
2 刘峥 8 24 3.0 4.0
3 覃婷婷 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (2)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(6)
  • 参考文献(0)
  • 二级参考文献(6)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
主题模型
单词嵌入
主题嵌入
注意力机制
LDA模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导