《表2 主题top10特征词及占主题权重》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的主题资源监测采集功能实现研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本试验LDA主题模型使用的Gibbs抽样，设置迭代次数为1000次，超参数取固定的经验值。用word2vec训练文档集时，各参数设置情况为size=100，window=5，min-count=1，cbow=1。其中size代表词向量的维数，window代表上下文窗口大小，mincount代表词语出现的最小阈值，cbow代表是否使用模型CBOW，0为使用，1为不使用。本实验使用Skip-gram模型。LDA和word2vec都是用Gensim实现的，Gensim是用于构建主题模型的免费Python包。对五个主题收集英文语料进行LDA主题建模，得到五个主题的top10特征词及占主题权重（见表2）。