结合LDA和孪生BiLSTM的话题演化跟踪方法

• 作者: 龚晓康 应文豪 王骏 龚声蓉
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 话题演化 词嵌入 孪生BiLSTM
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息抽取与文本挖掘|Information Extraction and Text Mining
• 页码范围: 93-103
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2022.02.011

摘要

传统的话题演化跟踪任务主要使用基于主题模型的方法,但该方法对于文本语义的提取及表征能力较弱.该文在词嵌入方法的基础上结合LDA和注意力增强的孪生BiLSTM网络,提出文本邻近度模型PDRBL来确定话题演化过程中的时态判定.此外,基于PDRBL模型给出了六个话题演化时态及其判定方法,进而提出了话题演化跟踪方法TETP.实验表明,该文所提模型在精确率、召回率、F 1值三个方面具有优化或可比较的性能,并可以有效捕获话题演化路径.