面向主題模型的主題自動語義標(biāo)注研究綜述
關(guān)鍵詞：主題語義標(biāo)注 概率主題模型 隱含狄利克雷分布
摘要：【目的】對面向主題模型的主題自動語義標(biāo)注方法進行總結(jié)與評述,以促進主題模型的發(fā)展與應(yīng)用?！疚墨I范圍】在Web of Science和CNKI數(shù)據(jù)庫中分別以“Topic Labeling OR Topic Labelling OR Topic Tagging ORTopicIndexing”和“主題模型AND(標(biāo)注OR標(biāo)簽)”等檢索式進行檢索,通過手工篩選獲得代表性文獻57篇。【方法】對相關(guān)論文進行深入閱讀與分析,以主題標(biāo)注過程中主題標(biāo)簽的生成來源為線索,對已有方法進行分類與比較分析。【結(jié)果】面向主題模型的主題自動語義標(biāo)注包括候選標(biāo)簽生成與排序兩個主要步驟,根據(jù)候選標(biāo)簽的生成來源可分為依靠自身語料庫和依靠外部語料庫兩類方法。【局限】目前該領(lǐng)域的研究還不是很豐富,分析與評述不夠系統(tǒng)和全面?！窘Y(jié)論】該領(lǐng)域的研究仍具有較大探索空間,面向社交媒體內(nèi)容的主題語義標(biāo)注是未來研究方向,可結(jié)合更豐富的知識庫并采用深度學(xué)習(xí)技術(shù)進行改進提升。
數(shù)據(jù)分析與知識發(fā)現(xiàn)雜志要求:
{1}所有作者的作者簡介（姓名、工作單位、職稱、研究方向）；通訊作者請再提供電子郵箱。
{2}稿件文責(zé)自負(fù)。編輯部有權(quán)對來稿進行文字和技術(shù)性刪改，對實質(zhì)性內(nèi)容的修改，則應(yīng)征求作者同意。
{3}標(biāo)題序號：可按四級小標(biāo)題的格式寫：一、（一）、1、（1）；一級、二級標(biāo)題另起段，正文另起段；三級、四級小標(biāo)題另起段，但正文接排；正文內(nèi)序號用①……②……等。
{4}參考文獻：（1）正文格式：作者，發(fā)表年（多版次文獻請同時提供第 1 版的發(fā)表時間），頁碼，外加圓括號。（2）文末格式：中、外文獻分開，各按音序排列。
{5}摘要應(yīng)反映論文的目的、方法及主要結(jié)果、結(jié)論，并充分反映論文的創(chuàng)新點，表達(dá)簡明、語義確切，以100 ～300 字為宜。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
