排序主題模型及其應(yīng)用研究.pdf

1、主題模型(Topic Models)是一種可以從大規(guī)模離散數(shù)據(jù)集中自動提取其中隱含語義主題的生成概率模型。自2003年提出以來，主題模型逐漸成為機器學習、自然語言處理、機器視覺領(lǐng)域中的重要研究課題，并且在文本挖掘、觀點挖掘、社交網(wǎng)絡(luò)分析、視頻場景理解、蛋白質(zhì)結(jié)構(gòu)分析、金融數(shù)據(jù)分析等領(lǐng)域獲得了廣泛的應(yīng)用。然而，隨著待分析語料庫規(guī)模越來越大，主題模型分析出的主題數(shù)目也越來越多，主題模型產(chǎn)生的結(jié)果越來越難以利用。本文針對主題模型的發(fā)展、演化以

2、及各種模型的特點進行了深入、系統(tǒng)的探討和綜述，在此基礎(chǔ)上，結(jié)合機器學習、信息檢索以及自然語言處理中的相關(guān)技術(shù)，對有查詢詞情況下主題排序和沒有查詢詞情況下的主題排序問題進行了研究，并且將提出的算法應(yīng)用于學術(shù)論文推薦系統(tǒng)和多文檔自動文摘中。本文的創(chuàng)新性研究成果可概括如下:
　　1)在對主題模型進行深入系統(tǒng)的綜述，并比較主題模型與機器學習中其他學習范式的特點后，提出了主題模型研究中如何在大量主題中突出重要主題，忽略其他主題的問題，并且提

3、出了排序主題模型解決這個問題。
　　2)提出基于關(guān)聯(lián)關(guān)系的排序主題模型算法，該算法可以利用主題之間的各種關(guān)聯(lián)關(guān)系，在沒有用戶提交查詢詞的情況下，利用主題間關(guān)系重新排序主題。該算法可以解決在大規(guī)模語料庫包含過多主題的情況下，在沒有任何先驗信息和用戶提供的信息的情況下，依照主題的重要性程度排序，可以有效提高主題特征的可用性。將基于關(guān)聯(lián)關(guān)系的排序主題模型應(yīng)用于多文檔自動文摘，通過對比經(jīng)典的和基于主題模型的多文檔自動文摘算法，實驗結(jié)果表明

4、，關(guān)聯(lián)關(guān)系排序主題模型可以凸現(xiàn)重要主題特征，大大提高多文檔自動文摘的效果。
　　3)提出基于查詢的排序主題模型，可以在用戶提供查詢詞的情況下，依據(jù)用戶的意圖重新組織語料庫中的主題。提出利用主題相關(guān)性指標排序主題，有序主題可以提高主題特征的可用性。將本文提出排序主題模型應(yīng)用于學術(shù)論文推薦系統(tǒng)中可以提高推薦系統(tǒng)的驚喜度，基于查詢的排序主題模型不但能夠找到與用戶提交的查詢相似的主題，而且還能夠找到與查詢語意相似的主題，這樣在保證推薦精度