计算机软件及计算机应用论文_面向动态数据流

文章摘要:传统机器学习模型大多依赖封闭世界假设，难以持续挖掘开放环境下动态文本数据流的语义信息。本文考虑动态数据流的粒特征变化，提出了一种基于三支多粒度学习思想的主题建模方法（Three-way Multi-granularity Topic Model,3WMTM）。根据“文本-主题-词汇”的粒度参数演化机理，构建了主题模型的动态多粒度分析框架，在主题不断新增背景下自适应更新阈值。实验结果表明，3WMTM算法在动态环境下能够维持较好的决策精度，即统计上无显著差异；并且3WMTM算法能够在每个决策阶段立即给出判断，因此在决策成本上优于现有模型。

文章关键词:开放动态环境,三支多粒度学习,主题模型,主题新增,

项目基金:国家重点研发计划课题（2019YFB210180）,国家自然科学基金（61773324;61876157）,教育部人文社会科学青年基金（20YJC630191）,