基于種子文檔和統(tǒng)計(jì)模型的話題演化研究.pdf

1、話題演化是指根據(jù)不同時(shí)間段文本內(nèi)部的話題相似度獲得的話題產(chǎn)生、興起、消亡的變化歷程。本文實(shí)現(xiàn)了基于種子文檔和OLDA話題模型的發(fā)現(xiàn)文本話題信息的改進(jìn)方法，該方法使用余弦、相對(duì)熵等進(jìn)行話題的相似度計(jì)算，通過相似度和時(shí)序關(guān)系來進(jìn)行話題的關(guān)聯(lián)性分析，通過話題內(nèi)容和強(qiáng)度的變化來描述話題的演化過程。探討話題隨時(shí)間的演化具有一定的理論和實(shí)踐意義。
　　首先，通過分析已有話題模型實(shí)現(xiàn)了一種基于OLDA模型的挖掘文本深層信息的改進(jìn)方法。話題演化可

2、以通過詞匯的統(tǒng)計(jì)信息來形式化表達(dá)其淺層信息;可以通過LDA、OLDA等模型來挖掘其深層信息。已有研究表明，引入了LDA模型的話題演化模型可以提高挖掘文本話題信息的效果。OLDA模型在LDA模型的基礎(chǔ)上將上一時(shí)間片的后驗(yàn)概率作為當(dāng)前時(shí)間片的先驗(yàn)知識(shí)來參與訓(xùn)練，這有助于保持話題演化在時(shí)間片上的連續(xù)性并提高挖掘話題信息的效果。本文基于OLDA模型給出了一種挖掘文本深層信息的改進(jìn)方法。對(duì)比實(shí)驗(yàn)表明，基于OLDA的話題演化方法有助于改善話題演化的

3、效果。
　　其次，通過分析話題演化與種子文檔的關(guān)聯(lián)性實(shí)現(xiàn)了一種基于種子文檔的話題演化的改進(jìn)方法。種子文檔是所在時(shí)間段上的代表性文檔，話題可以看作是與種子事件相關(guān)的一系列事件。由于話題演化具有突發(fā)性，它在產(chǎn)生、興起、消亡的漸變過程中，有可能突然從熱點(diǎn)變成冷門。本文基于種子文檔能發(fā)現(xiàn)代表性文檔的特點(diǎn)將上個(gè)時(shí)間片中種子文檔的話題信息加入到當(dāng)前時(shí)間片中以強(qiáng)化當(dāng)前時(shí)間片對(duì)應(yīng)話題的強(qiáng)度，達(dá)到削弱噪聲、消弭突變的目的。
　　本文通過分析已