论文部分内容阅读
当前监督或半监督隐藏狄利克雷分配（latent Dirichlet allocation，LDA）模型多数采用DSTM（down-stream supervised topic model）或USTM（upstream supervised topic model）方式加入额外信息，使得模型具有较高的主题提取和数据降维能力，然而无法处理包含多种额外信息的学术文档数据。通过对LDA及其扩展模型的研究，提出了一种将DSTM和USTM结合的概率主题模型ART（author ＆amp; reference top