基于上下文的话题和话题关系的演化分析-evolutionary analysis of topic and topic relationship based on context.docxVIP

下载本文档

7
0
约5.48万字
约 61页
2018-05-20 发布于上海
举报
版权申诉

基于上下文的话题和话题关系的演化分析-evolutionary analysis of topic and topic relationship based on context.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于上下文的话题和话题关系的演化分析-evolutionary analysis of topic and topic relationship based on context

上海交通大学硕士学位论文摘要上海交通大学硕士学位论文摘要万方数据万方数据基于上下文的话题和话题关系的演化研究摘要自动挖据大规模语料中的语义信息以及演化关系近年来已受到广大专家学者的关注。话题被认为是文集中的潜在语义信息，而话题演化则主要关注于如何将不同时间段上文集中的语义信息以话题的形式提取出来并将话题在时间轴上的变化情况反映出来。然而，通过对话题模型的结果分析发现，同时间段的话题之间也是存在语义相关性的。本文提出了话题上下文的概念来对话题间语义相关性进行描述。话题常会和某些其它话题共现在文档中，一个话题同其他话题的共现信息称为该话题的上下文。一方面，将话题的上下文信息利用到话题的关联计算当中，可以获得更正确的话题演化结果；另一方面，话题上下文信息还可以用于挖掘话题之间的语义相关性，得到话题之间语义关系图。结合话题演化和话题关系的挖掘，可以得到话题关系在时间轴上的变化，即话题关系的演化。本文主要在以下几个方面进行了有益的探索： (1)提出了一种挖掘同时间段中话题语义关系的方法，即利用话题间在文档中的共现信息来构建话题的上下文； (2)将话题的上下文信息利用到话题的关联计算当中，改进话题演化的结果； (3)利用上下文信息计算话题间的语义关系，并结合话题演化实现话题关系的演化。本文对 2008 年～2012 年两会报告以及 2007 年～2011 年 NIPS 科技文献进行了试验，结果显示，利用话题的上下文信息，不但可以提高话题演化的正确率，而且还能挖据话题之间的关系以及揭示话题关系随时间的变化。关键字：话题模型，话题上下文，话题演化，话题关系 I 上海交通大学硕士学位论文AB 上海交通大学硕士学位论文 ABSTRACT CONTEXT-BASED EVOLUTION RESEARCH OVER TOPIC AND TOPIC RELATIONS ABSTRACT Automatic extraction of semantic information and its evolution from large-scale corpus has appealed to many experts and scholars in recent years. Topics are regarded as the latent semantic meanings underlying document collection. And topic evolution focuses on how to extract topics from document collection of multiple periods and represent their changes over time. However, it is found that semantic relatedness also exists among topics of the same period by analyzing the results of topic model. This research proposes a new concept, namely topic context, to describe the semantic relatedness among topics. Those topics, which often concur with a topic T in a document, are called the context of the topic T. On the one hand, topic context can improve topic evolution results after it is integrated into the calculation of topic relating. On the other hand, topic context can be used to extract the semantic relations among topics and construct semantic map for them. Combining topic evolution and topic relation extraction, we can get the changes of topic relations over time or topic relations evolution. This article has conducted meaningful research over the following as