一种改进的LDA主题模型

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｂｔｅｅｅａｉａｉｎｐｒｏｍａｃｙａｉｔｎｔｅｃｒｅａｉｎｍｏｇｔｏｉｓａｄｔｅｐｅｉｙｅｔｒｇｎｒｌｚｔｏｅｆｒｎｅｂｖｌｄａｉｇｈｏｒｌｔｏｓａｎｈｅｔｐｃｎｈｅｐｒｌｘｔｖｌｅｏｄ１ａｕｆｍｏｅ．、
ＺＮＧＸｉｐｎＨＯＵＸｕｚｏｇ，ＨＵＮＧＨｕｕｎ，ＦＮＧＱＨＡａｉｇ，ＺｏｅｈｎＡｏｋａＥｉ，
ＣＨＥＮｈｂ，】Ａ０ＨｏｇｕｎＳｉｏＩｎｇａ
（．ｃｏｌｆｏｕｅａｄＩｆｒｔｎＴｃｎｌｙＢｉｎｉｔｎｉｅｓｙＢｉｎ００４Ｃｉａ１Ｓｈｏｏｍｐｔｎｏｍａｏｅｈｏｇ，ｅｉｇＪｏｏｇＵｎｒｔ，ｅｉｇ１０４，ｈ；Ｃｒｎｉｏｊａｖｉｊｎ２Ｇａｇｎｅｏｐｔ，ｈｎｃｄｍｆｈｎｓｄｃｌｃｎｅ，１０５，ｅｉｇＣｉａ．ｕｎａｍｎＨｓｉｌＣｉａＡａｅｙｏｉｅｅＭｅｉｉｃｓ００３Ｂｉｎ，ｈ；ａＣａＳｅｊｎ
ｔｅｆａｕｅｗｏｄｓｎｕｓｆｎｔｎＴｈｘｅｍｅｔｎｉａｅｔａｈｉｈｉｇｔｐｃｍｏｅｓｈｅｔｒｒｓｕｉｇＧａｓｕｃｉ．ｏｅｅｐｒｎｓｉｄｃｔｈｔｔｅｗｅｇｔｏｉｄｌｉｉｎ
一
种改进的ＬＤＡ主题模型
（．１北京交通大学计算机与信息技术学院，北京１０４；００４
张小平周雪忠黄厚宽冯奇陈世波２焦宏官，，，，，
２中国中医科学院广安门医院，．北京１０５；．００３３中国中医科学院中医药信息研究所，北京１００）０７０
ＡｂｔａｔＴｅｄｓｒｂｔｎｏｒｓｉｈｏｕｎａｉｙｐｗｅｕｅ，ｗｈｃａｓｈｏｉｓｉｃｎｓｒｃ：ｈｉｔｕｉｆｗｏｄｔｅｄｃｍｅｔｔｓｏｒｒｌｓｉｏｎｓｆｉｈｃｕｅｔｅｔｐｃｈｅｎｔｅｈｇｒｑｅｃｒｓｎｈｎｍａｙｗｏｄｉｈｃｎｒｐｅｅｔｏｉｓａｅｓｂｒｅｈｉｈｆｅｕｎｙｗｏｄ，ａｄｔｅｎｒｓｗｈｃａｅｒｓｎｐｃｒｕｍｅｇｄ．Ｉａｓｔｔｔｅｄｏｌ
第３４卷第２期
２１００年
学
学
报
Ｖｏ．４Ｎｏ．１３２ＡＤｒ０１．２Ｏ
ＯＵＲＮＡＬ０ＦＢＥＮＧＩＨＩＪＡ０Ｔ０ＮＧＵＮＩＶＥＲＳＴＹＩ
文章编号：６３０９（０００．１１０１７．２１２１）２０１－４
摘
要：由于文档中的词符合幂律分布，得ＬＡ模型的主题分布向高频词倾斜，使Ｄ导致能够代表主
题的多数词被少量的高频词淹没使得主题表达能力降低．过一种高斯函数对特征词加权，进通改
ＬＡ主题模型的主题分布．Ｄ实验显示加权ＬＡ模型获得的主题间的相关性以及复杂度（ｅｐｘ．ＤＰｒｌｉｅ
ＫｙｗｒｓｌｔｎｉｃｌｌｃｔｎＬＡ）ｉｃｌｔｉｒｕｉｎｗｉｈｉｇｔｐｃｍｏｅｅｏｄ：ｅｔｒｈｅａｏａｉ（Ｄ；ｄｒｈｅｄｓｉｔ；ｅｇｔｉａｄｉｔｌｏｉｔｂｏｎｏｄｌ
主题模型（ｏｉＭｏｅ）ｌ可以自动提取隐含Ｔｐｃｄ１【Ｊ在文档集中的主题，按照词的分布形式直观地表并达主题，为无监督地分析文档和预测新文档提供了方便的工具．题模型的基本思想是假设存在Ｋ个主
３．ｎｔｕｅｏｎｏｍａｉｎｏａｉｏａｉｅｅＭｅｉｎ，ＣｉａＡｃｄｍｙＩｓｉｔｆＩｆｒｔｎＴｒｄｔｎＣｈｎｓｄｃｅｔｏｉｌｉｈｎａｅ
ｏｈｅｅＭｅｃｃｅｃｓ０７０Ｂｉｎ，ＣｉａｆｉｓｄａＳｉｅ，１００，ｅｉｇｈｎ）Ｃｎｉｌｎｊ
ｔ）ｙ值都降低，说明改进模型在主题表达和预测性能方面都有所提高．关键词：ＤＬＡ；Ｄｒｈｅ分布；ｉｃｌｉｔ加权主题模型
中图分类号：Ｐ９．３Ｔ３１４文献标志码：Ａ
ＡｎＩｐｒｖｄＬＤＡｐｃＭｏｌｍｏｅＴｏｉｄｅ
ｒｄｃｈｘｒｓｉｎｃｐａｉｙｏｅｕｅｔｅｅｐｅｓｏａｂｈｔｆＬＤＡｏｃ．ＡｎｉｔｐｉｓｍｐｒｖｄＬＤＡｏｉｄｌｉｈｗｅｙｗｅｇｉｇｏｅｔｐｃｍｏｅｓｓｏｄｂｉｈｔｎ