原创力文档- 1、本文档共19页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
J.Sys.Sci.Math.Scis.
44(6)(2024,6),1630–1648
Æ
∗
1,21,2
(1.,100190;2.Æ,100049)
℄,
.℄,LDA
.,
℄——STAB.℄
,,
.Æ,,
.
,,,,℄,.
MR(2000)℄91D30,05C90,68T50
DOI10.12341/jssmsKSS23883
TopicAnalysisofSocialMediaHotlistsEnhancedbyLarge
LanguageModels
ZHENGWenzhen1,2TANGXijin1,2
(1.AcademyofMathematicsandSystemsScience,ChineseAcademyofSciences,Beijing100190;
2.UniversityofChineseAcademyofSciences,Beijing100049)
AbstractAvarietyofhottopicslistsreleasedbysocialmediaplatformsserveas
aconvergenceandshowcaseforhottopicinformation,whichprovidessignificantin-
sightstowardourunderstandingofcurrentpopulardiscussions.However,dueto
vocabularysparsityandshorttextlengthinhotlisttexts,traditionalLDAandneu-
ralnetwork-basedtopicminingmodelsfacepoorperformanceintopicaggregation.
*.
Æ:2023-09-30,Æ:2023-12-14.
:,Email:xjtang@.
:.
6:℄1631
Toaddressthesechallenges,thepaperproposesatopicmodelingframeworkenhanced
byalargelanguagemodel—STAB,whichcombinesthegenerativecapabilitiesof
largelanguagemodelsfortextdatawiththeexcellentperformanceofdocumentem-
beddingsintopicmodeling,enablingtheextractionofmeaningfultopicsfromshort
textdatasets.Experimentalresultsonmultipledatasetsshowthatourframework
outperformsexistingtopicmodelingmethodsintermsofgeneral
文档评论（0）