發(fā)布時間：2021-10-31 18:39

　　隨著社交媒體和移動互聯(lián)網(wǎng)的發(fā)展,用戶生成內(nèi)容的速度越來越快,用戶發(fā)布的文本數(shù)量也越來越多,使得網(wǎng)絡(luò)信息飛速增長。對文本進行挖掘處理有著很重要的意義。近年來,主題建模方法成為文本挖掘的一個研究熱點,但由于文本特征的復雜性,特別是面向短文本挖掘,主題模型還存在著許多挑戰(zhàn)。本文以交互式主題建模方法為研究目標,以組合建模和不確定性推斷為工具,研究基于人工交互的主題建模方法及其應(yīng)用。主要研究思路如下:首先,考慮單人交互式主題建模方法,假設(shè)模型的參與者為單一的專家用戶,以專家知識為背景研究單個用戶與主題模型的交互策略,并基于專家的交互結(jié)果提出新的主題模型。然后,基于多個用戶提供反饋的場景,考慮不同背景的用戶知識,研究基于眾包的主題建模方法。最后,基于單人交互式和多人交互式的主題建模方法,以用戶角色發(fā)現(xiàn)和信息服務(wù)匹配為目標,研究交互式主題建模方法在不同場景下的應(yīng)用。具體研究工作和創(chuàng)新點如下:（1）基于單人交互式主題建模方法。為了研究專家知識對主題建模的作用,本文提出了一種基于單人交互的主題模型。模型提供了多種交互策略,使專家可以根據(jù)初步的主題建模結(jié)果靈活地調(diào)整主題分布中令人困惑的單詞,并采用了不同的... 

【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：113 頁

【學位級別】：博士

【部分圖文】：

圖１．４ＩＴＭ過程??Ｆｉｇ?ｌ．４?Ｔｈｅ?ｐｒｏｃｅｓｓ?ｏｆ?ＩＴＭ??

單詞都可以支持用戶對該主題的理解，－？些單詞的存在與主題所表達的含義并不??相關(guān)。??圖２．１顯示了使用ＬＤＡ在路透社語料庫［４４］中發(fā)現(xiàn)的兩個主題。主題（ａ）的含義??是不明確的，因為該主題由關(guān)于疾病、生活、經(jīng)濟等單詞的混合詞組成。而對于??主題（ｂ）來說，人們可以猜測主題（ｂ）是生物醫(yī)學新聞，但是，主題中的“ｒｉｇｈｔ”和“ｆｌｏａｔ”??這些單詞令人困惑。??ｓ?ｔ?ｒｕｔ?ｈｅｒｓ?ｗｅｌ?ｌｅｆｎｅｙｅｒ??ｐａｐｙｒｕｓ?ｅｎｄ?Ｔ＇ｉｇｈｔ?ｔｒａｄｅｍａｒｋ??ｎａｓｄ?ｃａｎｃｅｒ?］１〇ｎ?ｓ?ｊｃｋｌｅ?ｓ；°＾．??ｒｅｓｕｌｔ?ｊ３ｒｅ－ｔａｘ?，?ｄｅｌ?ｈｉ??ｕ—?Ｃｙｐｒｕｓ?ｃｅｌｌ?ｉｌ〇ｄｔＣｅｌｌ?ｔｅｓｔｉ｜ｉ＜７??，ｈａｒｅ?ｌｉｆｅｓｔｙｌｅ?ｅａｔ?—ｒｎｅ?ｔ?ｅＳｔ??ｓｉｅｍｅｎｓ?ｄｉａｇｎｏｓｉｓ?ｒｅｓｅａｒｃｈｅｒ??ｃａｒｃｉｎｏｓｓａ?ｈｕｎｉａｎ?ＣＯｆ油．．ｉＣｔ?ｔｅｃｈｎｏｌｏｇｙ?ｇａｒｄｉｎｉ?ｃｕｒｒｅｎｔ??ｃｏｎｔｒａｃｅｐｔｉｖｅ?ｂｅｒｎｓ?ｔ?ｅ?Ｉ?ｎ??（ａ）?（ｂ）??圖２．１無意義的主題（ａ）和有意義的主題中包含了無意義的單詞（ｂ）??Ｆｉｇ?２．１?Ｔｗｏ?ｔｏｐｉｃｓ?ｍｉｎｅｄ?ｆｒｏｍ?Ｒｅｕｔｅｒｓ?ｃｏｒｐｕｓ??在線社交媒體的基本特征是言論自由，造成用戶生成內(nèi)容具有無規(guī)則性，進??而使主題一致性成為ＬＤＡ及其改進模型的難題。為了評價主題的質(zhì)量，Ｎｅｗｍａｎ??等人引入了一種評估主題一致性的新指標ｃｏｈｅｒｅｎｃｅ

人類知識被廣泛證明是提高理論模型性能的有用因素。本章旨在將人類專家??的知識整合到主題模型中，并提出新的互動策略來挖掘高質(zhì)量的主題。本章所提??出的ｉＬＤＡ模型的框架如圖２．２所示。如圖２．２所示，ｉＬＤＡ首先通過經(jīng)典主題模型??生成初步的主題－單詞分布，然后ｉＬＤＡ將選擇需要被調(diào)整的主題，將該主題下最??高概率的單詞列表呈現(xiàn)給專家，允許人類專家根據(jù)其背景知識調(diào)整該主題－單詞分??布中不合理的單詞，可以以一定的概率降低某個單詞在主題中的概率。由于主題―??單詞的分布是多項式分布，其概率總和為１，專家降低了不相關(guān)單詞的概率后需要??增加其他相關(guān)單詞的概率，因此模型將根據(jù)專家調(diào)整多出的概率部分分配到剩下??的單詞中，進而生成基于專家知識背景的主觀主題－單詞分布。最終合并主觀和客??觀主題－單詞分布以生成全面的主題詞分布，用于探索下一代主題。重復交互過程，??直到獲得一致且高質(zhì)量的主題為止。??ｎ?ｎ?Ｉ??□?ｉ｜??：步騷一?？？計眞客觀芏題？??彡．纖布?－￣￣—??！／?＾?＾???ｉ要涊猶３纖?ｒ??＾?１—■ｒ?????

【參考文獻】：
期刊論文
[1]基于概率主題模型的物聯(lián)網(wǎng)服務(wù)發(fā)現(xiàn)[J]. 魏強,金芝,許焱.  軟件學報. 2014(08)
[2]基于LDA的微博文本主題建模方法研究述評[J]. 張培晶,宋蕾.  圖書情報工作. 2012(24)

博士論文
[1]基于概率主題模型的情境建模方法研究[D]. 懷寶興.中國科學技術(shù)大學 2014
[2]基于主題模型的用戶建模研究[D]. 李文峰.北京郵電大學 2013
[3]基于主題模型和隨機游走的標簽技術(shù)研究[D]. 孫甲申.北京郵電大學 2013
[4]基于概率生成模型的文本主題建模及其應(yīng)用[D]. 丁軼群.浙江大學 2010



本文編號：3468650