|
|||||
|
|
| 基于词对主题模型的题名信息自动分类方法研究 | |
| 引用本文： | 刘爱琴,董婕,梁雅琨.基于词对主题模型的题名信息自动分类方法研究[J].晋图学刊,2023(4):29-38. |
| 作者姓名： | 刘爱琴 董婕 梁雅琨 |
| 作者单位： | 1. 山西大学经济与管理学院;2. 东北大学秦皇岛分校管理学院;3. 山西大学文学院 |
| 摘 要： | 从题名抽取关键词，把题名作为基于本体自动分类的文本主体，实现海量科技论文高效、精准地分类，已经成为图书馆事业发展的重要课题。本文利用文本内部词汇的语义关联特性，在高频词和隐含主题两个不同粒度层面，构建了基于BTM模型的题名信息自动分类方法：首先从细粒度层面进行词频统计，提取领域高频词；随后从粗粒度层面进行BTM模型分析，得到主题关键词；之后，将两者去重合并获得领域核心词集；最后，利用SVM算法进行文本分类。该方法有效地实现了知识的快速聚类和关联自动分类，为用户提供了满意度更高的知识发现及相关扩展服务。 |
| 关 键 词： | 题名分类 词对主题模型 支持向量机算法 |