论文部分内容阅读
本文提出了作者主题演化模型(Author Topic over Time)，简称AToT模型，用于发现作者研究兴趣变化情况。与LDA模型类似，AToT模型本身是一个概率主题模型，可以模拟一篇文档的生成过程，它既然可以生成文档，就可以处理研究者想要的关于文档的任何一种信息。AToT模型基本思想是三个分布，分别是作者主题分布，主题词项分布，以及时间贝塔分布。在具体的模型生成过程和训练中，需要估计三个关键分布的参数，这是AToT模型生成过程的逆过程，即已知生成的文档，通过采样方法进行参数的推断。已知模型的参数后，就可以训练模型进行新样本的推断。模型通过发现作者与主题间的对应关系，以发现科研作者的研究兴趣，以此在海量文献中总结研究者在不同领域的科研成果。在生成过程中引入了时间戳，记录作者研究该主题的时间，以发现作者兴趣的变化情况。实验表明，模型可以完成发现作者研究兴趣演化的任务，同时也可以完成主题推荐任务。