计算机应用研究

作者：潘晓英,伍哲,陈柳,杨芳,

单位：1.西安邮电大学计算机学院,西安710121；2.陕西省网络数据分析与智能处理重点实验室,西安710121；

关键词：主题聚类,增大词频特征提取法,优化主题数目作者层主题聚类模型,贝叶斯准则,

基金：陕西省教育厅专项科研计划项目(17JK0687)；西安市科技创新引导项目(201805040YD18CG24(7))；；

为使科研人员节省时间，高效阅读学术文献信息，提出一种学术文献摘要的主题聚类模型——优化主题数目作者层主题聚类模型（WBLDA）。首先在预处理阶段，自定义符合学术文献摘要特点的分词词典和停用词词典，解决学术文献摘要分词不准确的问题；在特征提取阶段，提出增大词频特征提取方法（ITF-IDF），使用词频放大法来增大词频，弱化文本长度对特征权重的影响，提取出更加符合学术文献摘要方向的特征词；最后，针对传统主题模型忽略作者这一重要属性的缺点，在主题聚类模型中引入学术文献摘要的作者信息，构建文档—主题+作者—词的WBLDA模型，同时使用贝叶斯准则优化主题聚类模型的主题数。通过对学术文献摘要数据集仿真实验结果表明，与TF-IDF相比，ITF-IDF方法的特征提取准确率更高；与LDA相比，WBLDA模型的聚类纯度和F-score值也更高，选择出的主题更加准确，更能代表摘要的学术方向。

来源：2020年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第8期