王涛
- 作品数:3 被引量:23H指数:3
- 供职机构:重庆师范大学计算机与信息科学学院更多>>
- 发文基金:重庆市高等教育教学改革研究项目重庆市教委科研基金重庆市教育委员会科学技术研究项目更多>>
- 相关领域:自动化与计算机技术更多>>
- 改进的关键词提取算法研究被引量:6
- 2019年
- 【目的】针对词主题信息与词相似性信息对关键词提取的影响进行了研究,提出一种改进的TextRank关键词提取方法。【方法】首先,使用隐含狄利克雷分布(Latent Dirichlet allocation,LDA)主题模型对文档建模计算词主题信息;其次,使用FastText生成词向量,并计算词相似性矩阵;最后,融合词主题信息与词相似性信息的综合权重来优化TextRank词汇节点的初始权重,并进行词图模型的迭代运算与关键词提取。【结果】实验表明,改进方法的提取结果优于传统方法。【结论】证明了考虑词主题信息的全局性与词相似性信息的局部性能有效提高TextRank算法提取关键词的性能。
- 王涛李明
- 关键词:图模型LDA
- 基于LDA模型与语义网络对评论文本挖掘研究被引量:12
- 2019年
- 通过主题模型与语义网络对旅游电商中的评论文本进行挖掘,从而引导消费者与商家对评论信息作出重要决策;提出一种基于LDA(Latent Dirichlet Allocation,LDA)主题聚类与语义网络模型(LDA topic clustering and semantic network model,LTC-SNM)的方法对酒店在线评论文本进行研究;获取在线评论文本进行数据预处理,使用Word2vec生成词向量,利用机器学习算法对评论文本进行情感分类;通过LDA主题模型对分类后的文本进行聚类,生成酒店的特征主题词;通过ROSTCM将特征主题词与所修饰的情感词生成语义网络,缓解了挖掘文本信息的复杂性;实验结果表明:提出的LTC-SNM文本挖掘方法使得在线用户评价的主题更具表达性。
- 王涛李明
- 关键词:文本聚类语义关联情感分析
- 深度学习下的推荐系统研究被引量:5
- 2017年
- 推荐系统是商业领域的重要组成部分,深度学习在信息检索和推荐系统方面得到广泛的应用,深度学习下的推荐系统更能抽象出用户的兴趣因子、项目特性以及历史信息,提高推荐的准确性。因此将深度学习与推荐系统的相结合成为推荐系统的一个新热点,该文通过对深度学习在推荐系统上应用的一些思想进行了解析,并对深度学习在推荐系统中的应用进行了展望。
- 王涛李明
- 关键词:神经网络推荐系统