基于種子文檔和統(tǒng)計模型的話題演化研究.pdf

1、話題演化是指根據(jù)不同時間段文本內(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方法，該方法使用余弦、相對熵等進行話題的相似度計算，通過相似度和時序關(guān)系來進行話題的關(guān)聯(lián)性分析，通過話題內(nèi)容和強度的變化來描述話題的演化過程。探討話題隨時間的演化具有一定的理論和實踐意義。
　　首先，通過分析已有話題模型實現(xiàn)了一種基于OLDA模型的挖掘文本深層信息的改進方法。話題演化可

2、以通過詞匯的統(tǒng)計信息來形式化表達其淺層信息;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)上將上一時間片的后驗概率作為當(dāng)前時間片的先驗知識來參與訓(xùn)練，這有助于保持話題演化在時間片上的連續(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方法。對比實驗表明，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)性實現(xiàn)了一種基于種子文檔的話題演化的改進方法。種子文檔是所在時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)代表性文檔的特點將上個時間片中種子文檔的話題信息加入到當(dāng)前時間片中以強化當(dāng)前時間片對應(yīng)話題的強度，達到削弱噪聲、消弭突變的目的。
　　本文通過分析已