基于WBLDA的学术文献摘要主题聚类.PDFVIP

37 8 Vol. 37 No. 8 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于WBLDA 的学术文献摘要主题聚类* 1, 2 1 1 1 潘晓英 ，伍 哲 ，陈 柳 ，杨 芳 (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) 摘 要：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，针对传统的主题模型 — + — 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，增大词频特征提取法(ITF-IDF)的特征提取准确率更高；与LDA 相比，优化主题数目作者层主题聚 类模型(WBLDA)的聚类纯度和Fscore 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。 ITF-IDF WBLDA 关键词：主题聚类； ； ；贝叶斯准则 中图分类号：TP391 doi: 10.19734/j.issn.1001-3695.2019.02.0040 Topic clustering of academic literature abstracts based on WBLDA 1, 2 1 1 1 Pan Xiaoying , Wu Zhe , Chen Liu , Yang Fang (1. School of Computer Science Technology, Xi an University of Posts Telecommunications, Xi an 710121, China; 2. Shaanxi Key Laboratory of Network Data Analysis Intelligent Processing , Xi an 710121, China) Abstract: In order to save time and read academic literature information efficiently, a topic clustering model for academic literature abstract the author-leve