软件学报

作者：张奕韬,万常选,刘喜平,江腾蛟,刘德喜,廖国琼

单位：张奕韬，江西财经大学 信息管理学院, 江西 南昌 330013;华东交通大学 软件学院, 江西 南昌 330013;数据与知识工程江西省高校重点实验室(江西财经大学), 江西 南昌 33001311,万常选，江西财经大学 信息管理学院, 江西 南昌 330013;数据与知识工程江西省高校重点实验室(江西财经大学), 江西 南昌 33001302,刘喜平，江西财经大学 信息管理学院, 江西 南昌 330013;数据与知识工程江西省高校重点实验室(江西财经大学), 江西 南昌 33001303,江腾蛟，江西财经大学 信息管理学院, 江西 南昌 330013;数据与知识工程江西省高校重点实验室(江西财经大学), 江西 南昌 33001304,刘德喜，江西财经大学 信息管理学院, 江西 南昌 330013;数据与知识工程江西省高校重点实验室(江西财经大学), 江西 南昌 33001305,廖国琼，江西财经大学 信息管理学院, 江西 南昌 330013;数据与知识工程江西省高校重点实验室(江西财经大学), 江西 南昌 33001306

关键词：HDP主题模型;经济领域分类标准;语义关系;非结构化经济指标;经济要素词

基金：国家自然科学基金（61972184，61562032，61662027，61762042）；江西省自然科学基金（20152ACB20003）

随着经济活动数据的不断丰富，互联网平台上产生了大量的财经文本，其中蕴含了经济领域发展状况的影响因素.如何从这些财经文本中有效地挖掘与经济有关的经济要素，是实现非结构化数据在经济研究中应用的关键.根据人工构建非结构化经济指标的局限性，以及主题模型在非结构化经济指标挖掘中存在的问题，结合已有经济领域分类标准、词语之间的语义关系和词语对主题的代表性，定义了文档的领域隶属度、词语与主题的语义相关度和词语对主题的贡献度，用于分别描述CRF（Chinese restaurant franchise）中餐厅的菜肴风格、顾客之间对菜肴要求的一致程度和顾客对菜肴的专一程度；结合文档领域属性、词语语义和词语在主题中的出现情况，提出了PSP_HDP（combining documents' domain properties，word semantics and words' presences in topics with HDP）主题模型.由于PSP_HDP主题模型改进了文档-主题与主题-词语的分配过程，从而提高了经济主题的区分度和辨识度，可以更有效地挖掘与经济有关的经济主题和经济要素词.实验结果表明：提出的PSP_HDP主题模型不仅在主题多样性、内容困惑度和模型复杂度等评价指标方面的整体性能优于HDP主题模型，而且在非结构化经济指标挖掘和经济要素词抽取方面能够得到区分度更好、辨识度更高的结果.

来源：2020年第3期

《软件学报》期刊编辑部

查看软件学报杂志2020年第3期