基于DTM-BiLSTM模型的主题预测方法
赵立飞
高全力
邵连合
金磊
冯琛
闫慧
雒彤彤
西安工程大学 西安 710600
摘要：主题模型被广泛的用于智能推荐、聚类分析、主题演变分析等各个领域,用以处理不同种类的文本数据,但是传统主题模型对于文本数据时间序列上的特性考虑不足,导致主题的预测缺乏各主题之间的时间方向上的联系.为此,论文提出了一种基于动态主题模型和双向长短期记忆神经网络的主题预测模型,使用动态主题模型对有时序性的文献摘要数据进行分类和降维,充分挖掘数据时间上的演化规律,将获得的主题时间上的概率权重输入到BiLSTM模型中进行预测未来主题演变的情况.相比于三种对照模型(DTM-LSTM、DTM-GRU和DTM-BiLSTM),动态主题模型融合了双向长短期记忆神经网络的预测模型,在预测评价指标上均有所提升,其预测结果拟合度为 0.932 855,该算法在预测精度方面高于DTM-LSTM以及DTM-GRU模型.
关键词：动态主题模型双向长短期记忆神经网络主题预测自然语言处理公共文化服务
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61902300)陕西省重点产业创新链项目(2020ZDLGY07-05)陕西省教育统计数据研究中心专项研究课题(21JTY010)
论文发表日期：2025-09-20
在线出版日期：2025-12-23（本平台首次上网日期，不代表文献的发表时间）
页数：8( 2489-2496 )
英文信息