论文部分内容阅读
网络表示学习、主题模型以及词向量将文本或文本中的词表示成低维的向量,三者之间相互促进缺一不可.CLM(Collaboratively Improving Topic Discovery and Word Embeddings by Coordinating Global and Local Contexts)算法基于主题表示和词嵌入表示文本,忽略了文本之间的链接关系.为了提高文本表示的效果,提出了融合语义和网络结构的文本表示算法,利用非负矩阵分解方法将网络表示、主题表示和词嵌入三者进行融合,形成统一的框架,共同地进行文本表示.将表示好的文本分别在聚类和分类算法上进行比较,实验结果表明改进后的算法在准确率和NMI值都优于原算法,文本表示的效果有了一定的提升.