| 摘要: |
| 在线社交网络的快速发展得益于主题模型的广泛应用.然而,目前几种典型的主题模型存在需要手动调参、语义连贯性不足、特征提取不充分和样本效率低等问题.对此,构建主题模型时利用深度学习技术来进行主题划分,以BiLSTM-CNN模型框架为基础,并在主题特征提取进行主题划分阶段引入“作者-主题”模型进一步优化框架,从而提出了一种混合主题模型Hybrid-Topic Model (简称HTM).将LDA,CNN,BiLSTM-CNN和HTM这4种主题模型应用于2组不同场景的数据集,并对结果进行对比分析.分析表明,在主题分类效果和内容困惑度方面,HTM主题模型的效果明显优于现有模型.此外,该模型在样本使用效率和模型迁移学习能力方面也有出色的表现,为后期研究指明了方向. |
| 关键词: 主题模型 LDA 角色识别 深度学习 社区推荐 HTM |
| DOI： |
| 分类号:TP311 |
| 基金项目:国家重点研发计划课题资助（2017YFD0301303）;安徽省教育厅自然科学重大项目资助（KJ2017ZD53）; 安徽省教育厅自然科学重点项目资助（KJ2017A799） |
|
|
|
|
| Abstract: |
|
| Key words: |
