基于主题模型的检索结果聚类应用研究

摘要：

[目的/意义]检索结果聚类能够帮助用户快速地浏览系统返回的检索结果.传统的基于向量空间的检索结果聚类缺乏对文本深层次的语义联系的挖掘,使得聚类结果的可读性、可理解性存在不足.因此,对检索结果进行语义层面的分析,并实现基于语义的检索结果聚类研究,具有重要的理论和实践意义.[方法/过程]将LDA主题模型与K-means算法相结合,利用LDA模型实现文本潜在语义的识别,将"文本-潜在主题"概率分布作为K-means聚类依据进行聚类分析,最后提取与聚类中心最近的主题的描述词作为检索结果聚类的标签.[结果/结论]实验表明,该方法在检索结果聚类以及聚类标签识别上具有很好的效果.

关键词：LDA、检索结果聚类、聚类标签、概率分布、语义挖掘、K-means

所属期刊栏目：36

分类号：G353(情报学、情报工作)

资助基金：上海哲学社会科学一般项目"基于主题模型的学科交叉知识发现研究"2016BTQ002的研究成果之一

在线出版日期：2017-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：179-184