基于LDA概率模型的科技文獻主題演化挖掘技術研究.pdf

1、如何在海量科技文獻環(huán)境下提供有效的知識服務，已經受到了國內外學者與企業(yè)界的高度關注與重視。為此，作為持有海量文獻資源的數(shù)字圖書館，正在逐步發(fā)展為一個全球化的知識引擎，以提供各種基于科技文獻的知識服務。其中為實現(xiàn)各種服務，解決“如何在海量信息環(huán)境下抓住科技發(fā)展的脈絡，把握研究熱點”便是一個核心和關鍵問題。由此，本文針對該問題研究了基于LDA概率模型的主題演化挖掘技術。文章總體的研究思路以科技文獻中“主題”的建模為切入點，在此基礎上研究如何

2、實現(xiàn)對海量科技文獻的動態(tài)“主題”自動發(fā)現(xiàn)及其在時間序列上的“演化”關聯(lián)問題，以期實現(xiàn)揭示科學研究主題的演進過程與脈絡目的。
　　 具體上，本文首先較為系統(tǒng)的分析了文本挖掘領域中的概率建模方法。然后，分別介紹了其中典型的PLSA與LDA主題模型，同時給出了基于LDA主題模型的演化挖掘建模典型思路。在此基礎上，針對科技文獻相比于其他文本數(shù)據(jù)所表現(xiàn)出的復雜引文關系，提出了一種基于RRMF矩陣分解的關系正則化子空間推薦算法，特別在算法中

3、考慮到了如何把網絡外的孤立數(shù)據(jù)納入網絡中進行推薦的問題，并且在CiteSeer數(shù)據(jù)集上證實了算法的良好性能。進一步，為了解決應用非概率依賴先離散化主題挖掘建模中的主題平滑問題，本文在第3章已驗證的模型基礎上，進一步提出了基于RRMF平滑關聯(lián)的主題挖掘模型。在抽取的ArnetMiner數(shù)據(jù)集中，進行了2001年至2010年數(shù)據(jù)挖掘相關領域的主題演化實證分析，并且給出了與基于原始LDA演化模型的路徑對比的案例討論，驗證了本文方法的有效性。最