基于深度学习的热点事件主题表示研究

摘要：

[目的]探究如何针对热点事件进行主题表示学习,检验主题表示模型在主题分类和主题相关度等任务上的效果.[方法]融合LDA2Vec方法构建主题表示学习模型W-LDA2Vec,通过联合训练初始化后的文档向量和词向量以预测中枢词的上下文向量,获得含有主题信息的词表示和包含上下文信息的主题表示.[结果]在热点事件主题分类任务上,本文模型取得了最高的F1值(0.893),较4种基线模型LDA、Word2Vec、TEWV和Doc2Vec分别提升0.314、0.057、0.022和0.013;在热点事件主题相关度任务上,当主题数为10时,本文模型取得了较高的相关性分数(0.462 5),较LDA模型提高0.067 8.[局限]实验语料库仅限于中英文两种语言.[结论]本文方法通过将主题信息嵌入到词表示、文档表示中,能够有效提升在热点事件主题分类和主题相关度等任务上的效果.

关键词：知识表示、主题表示、主题模型、热点事件、深度学习

所属期刊栏目：4

分类号：TP393(计算技术、计算机技术)

资助基金：本文系国家自然科学基金面上项目“面向跨语言观点摘要的领域知识表示与融合模型研究”;中南财经政法大学中央高校基本科研业务费专项资金资助“大数据视角下的中美贸易战观点掺掘研究”

在线出版日期：2020-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1-14