《表1 已有主题模型研究综述》

  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模型研究》

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

主题模型一直是自然语言处理和信息检索等领域的一个基础性研究问题，其研究成果不仅广泛应用于文本聚类/分类[1]、查询检索[2]、话题检测与演化追踪[3]、多文档自动摘要[4]等任务，还在情感分析[5]、产品推荐[6]、本体生成[7]、词向量训练[8]等研究中扮演重要角色．中国知网的统计数据表明，自2014开始，有关“主题模型”的学术文献逐年递增，其引起的下载量和引用率也随之快速增长．与此同时，学者们也从若干角度对主题模型的研究进展进行综述．表1总结了近5年来有关主题模型的国内外中英文综述文献，这些文献主要讨论了主题模型的几个热点研究问题，包括模型参数估计[9]，潜在主题可视化[10]，主题模型在微博文本[11-12]、时序文本[13]、软件工程[14]中的应用，主题模型综合应用[15]等．值得关注的是，Sharma[16]不仅详细分析了经典主题模型的研究进展，包括基于LDA[17](Latent Dirichlet Allocation）和基于非LDA的模型，还总结了早期神经网络主题模型的基本思想，如NTM[18](Neural Topic Model）、SCNTM[19](Supervised Citation Network Topic Model）等．总的来说，这些综述文献主要关注概率主题模型及其变形形式的相关技术与方法，很少涉及结合深度学习的主题模型研究进展．