文献类型：期刊文章

作　　者：关鹏[1,2] 王曰芬[1]

Guan Peng Wang Yuefen(School of Economics and Management, Nanjing University of Science ＆ Technology, Nanjing 210094, China College of Applied Mathematics, Chaohu University, Hefei 238000, China)

机构地区：[1]南京理工大学经济管理学院,南京210094 [2]巢湖学院应用数学学院,合肥238000

出　　处：《现代图书情报技术》

基　　金：国家自然科学基金研究项目“新研究领域科学文献传播网络生长及对传播效果影响研究”(项目编号:71373124);国家社会科学基金重点项目“大数据环境下社会舆情与决策支持方法体系研究”(项目编号:14AZD084);江苏高校哲学社会科学重点研究基地(培育点)“社会计算与舆情分析”的研究成果之一

年　　份：2016

期　　号：9

起止页码：42-50

语　　种：中文

收录情况：CSSCI、CSSCI2014_2016、RWSKHX、普通刊

摘　　要：【目的】有效确定科技情报分析中LDA主题模型的最优主题数目。【方法】利用主题相似度度量潜在主题之间的差异,同时结合困惑度提出一种确定LDA最优主题数目的方法,该方法既考虑主题抽取效果同时也考虑模型对新文档的泛化能力。【结果】获取国内新能源领域的科技文献作为数据集,实证结果表明本文提出的最优LDA主题数确定方法与单纯使用困惑度相比,具有更高的主题抽取查准率(91.67%)、F值(86.27%)及科技文献推荐精度(71.25%)。【局限】未针对其他类型的数据集进行新方法的验证,如微博短文本、XML文档等。【结论】本文方法能够有效地从科技文献数据集中抽取辨识度较高的主题,并能够提高科技文献推荐效果。

关 键 词：LDA主题模型  相似度 困惑度  科技情报分析  

分 类 号：TP391.1]