《表2 LDA与TP2Vec主题表征词语比较》

  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

《基于短语表示学习的主题识别及其表征词抽取方法研究》

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

为了与TP2Vec模型进行公平的定性比较，LDA模型所用数据经过了相同的数据预处理，如过滤掉词频低于5的词语。根据这两个模型的主题识别结果，分别对前20个主题表征词语进行检查，选出最能表达主题的5个词语，如表2所示。可以发现，使用LDA模型得到的主题表征词science、citation、study等都是一些概括性较强的词语，对应词频都很高，分别为5 151、6 852和7 135，其中词频最低的词语technology也达到了1 962。通过这些表征词只能粗略地认为主题可能涉及引文分析、信息检索、科研合作等内容。此外，多个主题中的表征词也有较多重合，主题之间的区分度不高，导致主题辨识度较低。