《表3 LDA和Doc＿LDA得到的部分主题》

  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LDA模型和Doc2vec的学术摘要聚类方法》

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

表2左侧是语料集经过LDA训练后得到的主题分布，设定topic=50，可以得到它有5个相关主题，分别是7、12、14、31、43，其他主题概率为0的认为是不相关主题。表2右侧是通过新模型训练得到的主题间距离分布，加黑数据是与左侧列出主题的相关主题。第一项值是主题标号，第二项是主题间的距离，由表2得，所有主题分布的平均距离为2.077，最小距离分布为1.01，而LDA模型得到的5个相关主题在表2右侧中的距离分布均小于平均值。可以看出，LDA在新模型训练过程中依然保留了原本的特征信息；同时可以得到，在经过Doc-LDA模型后得到的距离分布中，例如主题43和主题36分别是最短和最长距离。由于左侧LDA得到的相关主题中，主题12的概率最高，因此，将左侧的主题12，右侧的主题43、36分别列出得到表3。主题12的主题词“嵌入式”、“数控系统”、“芯片”和主题43中的主题词“单片机”、“FPGA”、“可编程”等具有较高的相关性，通过LDA模型训练出的主题分布中缺少了主题43，而主题36中“计算机技术”、“预测”、“ATA”等虽都是计算机类下的主题词语，与主题12间的相关性较差，对应于表2右侧中有最远的距离分布为3.08。