基于语义分布相似度的主题模型

来源：计算机应用研究杂志2019年第12期北京时间：

作者：居亚亚,杨璐,严建峰,

单位：苏州大学计算机科学与技术学院,江苏苏州215006；

摘要：潜在狄利克雷分布（LDA）以词袋（bag of words，BOW）模型为基础，简化了建模的复杂度，但使得主题的语义连贯性较差，文档表征能力不强。为解决此问题，提出了一种基于语义分布相似度的主题模型。该模型在EM（expectation maximization）算法框架下，使用GPU（generalized Pólya urn）模型加入单词—单词和文档—主题语义分布相似度来引导主题建模，从语义关联层面上削弱了词袋假设对主题产生的影响。在四个公开数据集上的实验表明，基于语义分布相似度的主题模型在主题语义连贯性、文本分类准确率方面相对于目前流行的主题建模算法表现得更加优越，同时该模型提高了收敛速度和模型精度。

关键词：潜在狄利克雷分布,语义分布相似度,主题模型,GPU模型,

基金资助：国家自然科学基金资助项目(61572339,61272449)；江苏省科技支撑计划重点项目(BE2014005)；；