基于LDA模型和HowNet的多粒度子话题划分方法

被引：11

作者：

李湘东 ^{[1
,2
]}

巴志超 ^{[1
]}

黄莉 ^{[3
]}

机构：

[1] 武汉大学信息管理学院

[2] 武汉大学信息资源研究中心

[3] 武汉大学图书馆

来源：

计算机应用研究 | 2015年 / 32卷 / 06期

关键词：

新闻报道; 子话题划分; 多粒度; 狄利克雷分配模型; 语义相似度计算;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对LDA建模结果较泛化、子话题间文本相似度较高等问题,提出一种基于狄利克雷分配模型(LDA)和知网(How Net)语义词典相结合的多粒度子话题划分方法(MGH-LDA)。首先采用LDA模型对不同新闻源的新闻集合进行初划分,并根据文档贡献度获得相同新闻话题的文档集合;其次在TF-IDF模型基础上获取多粒度粗细特征,作为核心词特征集合来表征新闻文档,采用知网语义词典来计算新闻文档之间的相似度;最后通过single-pass增量聚类算法进行新闻文档的聚类,实现子话题划分。通过在真实新闻数据集上的实验,验证了该方法能有效地提高热点新闻话题子话题划分的准确率。

引用

页码：1625 / 1629

页数：5

共 13 条

[1] 基于用户角色定位的微博热点话题检测方法 [J].