| 基于改进LDA的社会化标签主题识别方法 |
| |
| 引用本文： | 邰悦,葛斌,李慧宗.基于改进LDA的社会化标签主题识别方法[J].安徽理工大学学报(自然科学版),2021,41(5):55-63. |
| |
| 作者姓名： | 邰悦 葛斌 李慧宗 |
| |
| 作者单位： | 安徽理工大学计算机科学与工程学院,安徽淮南232001;南阳师范学院计算机科学与技术学院,河南南阳473061 |
| |
| 摘 要： | 针对社会化标签中资源之间存在独立同分布特性,并且其对应的标签资源作为资源内容的特殊语义内容,提出一种联合特征词加权-LDA(Joint Feature Word Weighting-LDA)在资源内容和标签下联合主题识别方法,从而解决资源存在的独立同分布特性以及特征词采样等问题.首先建立评论及对应标签资源在信息熵相似度条件下的潜在关系,对该潜在关系使用随机游走方法获取各组资源和各组标签的权值系数,消除资源间的独立同分布.通过加权方法加权至每个资源的特征词,形成资源特征词和标签特征词的权重值系数.在此基础上构建联合特征词加权-LDA模型,通过迭代学习方法获取社会化标签资源的隐含主题知识.通过实验表明,提出的联合特征词加权-LDA相对于其他主题模型具有更好的主题识别效果.
|
| 关 键 词： | 社会化标签 信息熵相似度 独立同分布 加权方法 潜在狄利克雷分布(LDA) |
The Topic Recognition Method of Socialized Tags Based on Improved LDA |
| |
| TAI Yue,GE Bin,LI Huizong.The Topic Recognition Method of Socialized Tags Based on Improved LDA[J].Journal of Anhui University of Science and Technology:Natural Science,2021,41(5):55-63. |
| |
| Authors: | TAI Yue GE Bin LI Huizong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
