计算机科学与探索

作者：何东彬, 陶莎, 朱艳红, 任延昭, 褚云霞

单位：1. 石家庄学院 河北省物联网安全与传感器检测工程研究中心，石家庄 050035 2. 中国农业大学 农业农村部农业信息化标准化重点实验室，北京 1000833. 石家庄邮电职业技术学院 河北省物联网智能感知与应用技术创新中心，石家庄 0500214. 北京工商大学 计算机与信息工程学院，北京 100048

关键词：主题模型,潜在狄利克雷分配（LDA）,主题标记,主题标签

主题模型常用于非结构化语料库和离散数据建模，抽取隐含主题分布。由于主题发现结果采用词列表形式，理解其含义较为困难。尽管通过人工标记可生成更具解释性和易理解的主题标签，但成本巨大缺乏可行性，而自动主题标记的研究为解决该问题提供了方法和思路。首先对当前最为流行的狄利克雷分配主题模型进行阐述与分析，并根据主题标签三种不同表现形式，基于短语、摘要和图片，将主题标记方法分为三种类型；之后围绕提高主题的可解释性，以生成的不同类型主题标签为线索，对近年来的相关研究成果进行梳理、分析和总结，并对不同标签的适用情境和可用性进行探讨；同时根据不同方法的特点进一步分类，重点对基于词法、子模优化和图排序方法生成摘要主题标签进行定量和定性分析，从学习类型、使用技术和数据来源出发，对比不同方法的差异；最后对主题自动标记研究存在的问题和趋势发展进行讨论，基于深度学习、与情感分析结合并不断拓展主题标记应用的场景，将是未来发展的重点和方向。

来源：2023年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第12期