基于深度学习的创新主题智能挖掘算法研究

摘要：

[目的]从海量的文本数据中挖掘创新主题.[方法]以学术知识图谱数据为基础,根据知识点的“热度”、“新颖度”、“权威度”三维指标,筛选出权重较高的作为创新种子,然后根据知识图谱的路径对创新种子进行知识关联计算,计算结果输入一个用大量科技论文数据训练而成的深度学习模型,从而生成创新主题;采用的模型为由双向LSTM层组成的Sequence to Sequence模型.[结果]以人工智能领域内中文科技论文作为实验数据,实验结果表明,模型的挖掘结果经过专家人为判断验证,创新效果平均值为6.52.[局限]目前知识图谱的知识丰富度和关联性有限、用于训练模型的训练集质量和体量还有待于进一步提升.[结论]本文模型实现了从文本数据中挖掘出创新主题,但创新主题识别模型的整体水平仍然需要进一步完善优化.

关键词：创新主题、深度学习、Seq2Seq、智能挖掘

所属期刊栏目：3

分类号：TP393;G35(计算技术、计算机技术)

资助基金：中国科学院青年创新促进会院1721;创新构想话题生成机器人研发项目JW1701的研究成果之一

在线出版日期：2019-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：46-54