基于融合文本主题模型的学者兴趣挖掘研究

摘要

在学者兴趣标签的抽取研究中,因学术数据具有非结构化、稀疏性特征,经常会导致分类效果不理想。本文通过融合Latent Dirichlet Allocation和改进的Doc2vec算法得到一种新的结合主题向量和文档向量表示的融合模型,对学者兴趣标签进行研究,通过加权投票法集成策略融合模型最终得到兴趣标签的评分。为了评估算法的有效性,对几种相关方法做了性能比较,实验结果表明,通过融合加权方法生成的学者数据标签优于其他方法。