基于SL-LDA的领域标签获取方法

• 作者: 张仰森 张睿 张雯 王胜 蒋玉茹
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 领域标签 SL-LDA模型 标签映射 主题短语抽取 科技文献
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 数据库&大数据&数据科学
• 页码范围: 95-100
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.11896/jsjkx.190900012

摘要

科学技术的发展为文献及学者的管理提出了新的挑战,为解决海量科技文献及学者的自动管理,文中提出了一种基于SL-LDA的领域标签获取方法.在海量科技文献的基础上,分析科技文献数据的分布特点,通过引入科技文献的词频特征构建了SL-LDA主题模型,利用该主题模型对同一学者的科技文献进行"主题-短语"抽取,获得初始领域关键词.接着引入领域体系,对主题模型的抽取结果与体系标签进行向量表征,经过位置特征加权后使用相似度进行体系映射,最终获得学者的领域标签.实验结果表明,在同样的文献数据量下,SL-LDA模型与传统的LDA模型、基于统计的TFIDF算法和基于网络图的Text-Rank算法相比,最终获取的标签词效果更好,准确率更高,F1值也提升到0.572,说明基于SL-LDA的领域标签抽取方法在学术领域具有较好的适用性.