深度动态文本聚类模型DDDC

陆辉; 黄瑞章; 薛菁菁; 任丽娜; 林川

首页> 中文期刊> 《计算机应用》 >深度动态文本聚类模型DDDC

深度动态文本聚类模型DDDC

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

互联网的飞速发展使得新闻数据呈爆炸增长的趋势。如何从海量新闻数据中获取当前热门事件的主题演化过程成为文本分析领域研究的热点。然而,常用的传统动态聚类模型处理大规模数据集时灵活性差且效率低下,现有的深度文本聚类模型则缺乏一种通用的方法捕捉时间序列数据的主题演化过程。针对以上问题,设计了一种深度动态文本聚类(DDDC)模型。该模型以现有的深度变分推断算法为基础,可以在不同时间片上捕捉融合了前置时间片内容的主题分布,并通过聚类从这些分布中获取事件主题的演化过程。在真实新闻数据集上的实验结果表明,在不同的数据集上,与动态主题模型(DTM)、变分深度嵌入(VaDE)等算法相比,DDDC模型在各时间片的聚类精度均至少提升了4个百分点,且归一化互信息(NMI)至少提高了3个百分点,验证了DDDC模型的有效性。

著录项

来源
《计算机应用》 |2023年第8期|2370-2375|共6页
作者
陆辉; 黄瑞章; 薛菁菁; 任丽娜; 林川;
展开▼
作者单位

公共大数据国家重点实验室(贵州大学);

贵州大学计算机科学与技术学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类文字信息处理;
关键词
文本动态聚类; 事件主题演化; 主题分布; 时间序列数据; 深度变分推断;

相似文献

中文文献
外文文献
专利

1. 基于深度神经网络的医药专利文本聚类模型研究 [J] . 王思源 ,何先波 . 太原师范学院学报（自然科学版） . 2021,第3期
2. 基于深度特征语义学习模型的垃圾短信文本聚类研究 [J] . 张毓 ,陈军清 . 现代计算机（专业版） . 2018,第7期
3. 基于多层子空间语义融合的深度文本聚类 [J] . 任丽娜 ,秦永彬 ,黄瑞章 . 计算机应用研究 . 2023,第1期
4. 关键语义信息补足的深度文本聚类算法 [J] . 郑璐依 ,黄瑞章 ,任丽娜 . 计算机应用研究 . 2023,第期
5. 用户意图补充的半监督深度文本聚类 [J] . 李静楠 ,黄瑞章 ,任丽娜 . 计算机科学与探索 . 2023,第期
6. 敏感话题发现中的增量型文本聚类模型 [C] . ZHANG Yue-jin ,-张越今 ,DING Ding . 第30次全国计算机安全学术交流会 . 2015
7. 基于动态自组织映射模型的文本聚类研究 [A] . 刘远超 . 2006

深度动态文本聚类模型DDDC

摘要

著录项

相似文献

相关主题

期刊订阅