| 面向服务聚类的短文本优化主题模型 |
| |
| 引用本文： | 陆佳炜,郑嘉弘,李端倪,徐俊,肖刚.面向服务聚类的短文本优化主题模型[J].浙江大学学报(自然科学版 ),2022,56(12):2416-2425. |
| |
| 作者姓名： | 陆佳炜 郑嘉弘 李端倪 徐俊 肖刚 |
| |
| 作者单位： | 1. 浙江工业大学 计算机科学与技术学院，浙江 杭州 3100232. 中国计量大学 机电工程学院，浙江 杭州 310018 |
| |
| 基金项目： | 国家自然科学基金资助项目(61976193);国家社会科学基金资助项目(22BMZ038);浙江省自然科学基金资助项目(LY19F020034);浙江省重点研发计划项目(2021C03136) |
| |
| 摘 要： | 为了获取高质量的隐式主题结果，提高服务聚类精度，解决服务描述文档文本短带来的语义稀疏性与噪声问题，提出词向量与噪声过滤优化的词对主题模型(BTM-VN). 该模型以词对为基础，拓展服务描述文档，获取额外的语义信息，设计利用主题分布信息进行代表词对概率计算的策略，通过在采样过程中计算代表词对矩阵，提高代表词对在当前主题的权重，降低噪声词对服务描述文档主题获取的干扰. 利用词向量筛选待训练的词对集合，减少共现意义低的词对组合，解决词对主题模型耗时较长的问题. 使用优化的密度峰值聚类算法对经BTM-VN训练后的服务主题分布矩阵进行聚类. 实验结果表明，基于BTM-VN的服务聚类方法在3种聚类评价指标上的表现均优于传统的服务聚类算法.
|
| 关 键 词： | 服务聚类 主题模型 短文本优化 代表词对 词向量 |
Short text optimized topic model for service clustering |
| |
| Jia-wei LU,Jia-hong ZHENG,Duan-ni LI,Jun XU,Gang XIAO.Short text optimized topic model for service clustering[J].Journal of Zhejiang University(Engineering Science),2022,56(12):2416-2425. |
| |
| Authors: | Jia-wei LU Jia-hong ZHENG Duan-ni LI Jun XU Gang XIAO |
| |
| Abstract: | |
| |
| Keywords: | service clustering topic model short text optimization representative biterm word embedding |
|
| 点击此处可从《浙江大学学报(自然科学版 )》浏览原始摘要信息 |
|
点击此处可从《浙江大学学报(自然科学版 )》下载全文 |
