本文主要研究内容
作者杨磊,王子润,侯贵生（2019）在《基于Q-LDA主题模型的网络健康社区主题挖掘研究》一文中研究指出：【目的】信息质量是主题发现的重要影响因素,通过构建Q-LDA模型进行网络健康社区主题挖掘,弥补LDA主题模型在网络信息质量方面的不足,并增强模型的主题表示能力。【方法】研究网络健康信息质量评价体系,并对网络健康信息进行质量加权,在LDA主题模型的基础上建立Q-LDA主题挖掘模型,利用实际数据对模型进行验证。【结果】Q-LDA模型的结果可解释性和主题表达能力优于传统的LDA主题模型,其主题挖掘效率提高16%,能够更有效地挖掘网络健康社区信息所隐藏的主题。【局限】只选取网络健康社区内某一种疾病版块的文本数据,其代表性可能存在不足。【结论】在考虑网络健康信息质量的情况下进行主题挖掘,其结果能更好地满足网络健康社区用户的需求。
Abstract
【mu de 】xin xi zhi liang shi zhu ti fa xian de chong yao ying xiang yin su ,tong guo gou jian Q-LDAmo xing jin hang wang lao jian kang she ou zhu ti wa jue ,mi bu LDAzhu ti mo xing zai wang lao xin xi zhi liang fang mian de bu zu ,bing zeng jiang mo xing de zhu ti biao shi neng li 。【fang fa 】yan jiu wang lao jian kang xin xi zhi liang ping jia ti ji ,bing dui wang lao jian kang xin xi jin hang zhi liang jia quan ,zai LDAzhu ti mo xing de ji chu shang jian li Q-LDAzhu ti wa jue mo xing ,li yong shi ji shu ju dui mo xing jin hang yan zheng 。【jie guo 】Q-LDAmo xing de jie guo ke jie shi xing he zhu ti biao da neng li you yu chuan tong de LDAzhu ti mo xing ,ji zhu ti wa jue xiao lv di gao 16%,neng gou geng you xiao de wa jue wang lao jian kang she ou xin xi suo yin cang de zhu ti 。【ju xian 】zhi shua qu wang lao jian kang she ou nei mou yi chong ji bing ban kuai de wen ben shu ju ,ji dai biao xing ke neng cun zai bu zu 。【jie lun 】zai kao lv wang lao jian kang xin xi zhi liang de qing kuang xia jin hang zhu ti wa jue ,ji jie guo neng geng hao de man zu wang lao jian kang she ou yong hu de xu qiu 。
论文参考文献
论文详细介绍
论文作者分别是来自数据分析与知识发现的杨磊,王子润,侯贵生，发表于刊物数据分析与知识发现2019年11期论文，是一篇关于文本数据论文,在线健康社区论文,知识发现论文,主题挖掘论文,数据分析与知识发现2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自数据分析与知识发现2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：文本数据论文; 在线健康社区论文; 知识发现论文; 主题挖掘论文; 数据分析与知识发现2019年11期论文;