南京邮电大学学报(自然科学版)

作者：王睿,王延安,李子昂,孙国梓

单位：南京邮电大学 计算机学院，江苏 南京 210023；南京邮电大学 江苏省无线传感网高技术研究重点实验室，江苏 南京 210023南京邮电大学 计算机学院，江苏 南京 210023南京邮电大学 计算机学院，江苏 南京 210023南京邮电大学 计算机学院，江苏 南京 210023

关键词：主题模型；对抗训练；文本挖掘；神经网络；von Mises-Fisher分布

基金：国家自然科学基金青年基金项目（62102192）、中国博士后科学基金面上项目（2022M710071）、江苏省双创博士人才项目（JSSCBS20210530）和南京邮电大学引进人才科研启动基金（NY220132）资助项目

主题模型作为一种文本分析工具，能够自动地从文本数据中挖掘潜在的主题或语义信息。然而，已有的主题模型常假设不适当的先验且难以利用外部语义知识提高主题的质量，导致主题一致性不足。针对这些局限，提出一种基于混合von Mises-Fisher（vMF）分布的双向对抗神经主题模型。该模型通过编码器执行主题推断，同时为向主题建模过程中引入外部语义知识，提出在生成器网络中将主题建模为词嵌入空间的混合vMF分布，判别器网络被训练用于识别真假样本。在4个公开文本语料的实验结果表明，与其他基准主题模型相比，所提模型获得了更高的主题一致性。此外，当基于提取的主题进行文本聚类实验时，所提模型有效提高了文本聚类的准确率。

来源：2024年第06期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第06期