论文部分内容阅读
针对现有主题模型学习结果语义可解释性差、准确性不高等问题，提出了一种融合关联规则和学术论文元数据的主题学习及表示方法。将学术论文预处理得到目录元数据；利用目录元数据作为先验知识指导主题学习，得到文档中关于主题的词项概率分布；通过加权关联规则挖掘得到各主题的频繁三项集，提出判断主题质量优劣的标准；利用学术论文的元数据，通过改进的向量空间模型算法，合并语义相似的主题；最终得到更符合实际情况且语义可解释性更优的主题语义表示结果。在同一学术论文数据集上，采用三种主题学习及表示方法进行对比实验。实验结果表明，该方法