CAJ | 학술논문

为了实现文本代表性语义词汇的抽取,提出一种基于词组主题建模的文本语义压缩算法SCPTM(semantic compression based on phrase topic modeling).该算法首先将代表性语义词汇抽取问题转化为最大化优化模型,并通过贪心搜索策略实现该模型的近似求解.然后,利用词组挖掘模型LDACOL实现词组主题建模,得到SCPTM算法的输入参数;同时,针对该模型中词组的主题分配不稳定的问题进行改进,使得取得的代表性语义词汇更加符合人们对语义的认知习惯.最后,将改进LDACOL模型与LDA模型、LDACOL模型以及TNG模型的主题挖掘性能进行实验比较,并利用SCPTM算法针对不同语料库进行语义压缩,根据聚类结果评价其有效性.实验结果表明,在多数情况下,改进LDACOL模型的主题抽取效果优于其他3种模型;通过SCPTM算法抽取代表性语义词汇能达到70％～ 100％的精度,相比PCA、MDS、ISOMAP等传统降维算法能获得更高的聚类效果.
위료실현문본대표성어의사회적추취,제출일충기우사조주제건모적문본어의압축산법SCPTM(semantic compression based on phrase topic modeling).해산법수선장대표성어의사회추취문제전화위최대화우화모형,병통과탐심수색책략실현해모형적근사구해.연후,이용사조알굴모형LDACOL실현사조주제건모,득도SCPTM산법적수입삼수;동시,침대해모형중사조적주제분배불은정적문제진행개진,사득취득적대표성어의사회경가부합인문대어의적인지습관.최후,장개진LDACOL모형여LDA모형、LDACOL모형이급TNG모형적주제알굴성능진행실험비교,병이용SCPTM산법침대불동어료고진행어의압축,근거취류결과평개기유효성.실험결과표명,재다수정황하,개진LDACOL모형적주제추취효과우우기타3충모형;통과SCPTM산법추취대표성어의사회능체도70％～ 100％적정도,상비PCA、MDS、ISOMAP등전통강유산법능획득경고적취류효과.