典型文献
基于语义相似度改进的少样本终身主题模型
文献摘要：
对于终身主题模型而言,先验知识的正确性对后续的建模任务起到了至关重要的作用.因此,提出了 一种基于语义相似度改进的少样本终身主题模型SS-AMC(Semantic Similarity-AMC),利用BERT获取共现词对的词向量,计算其语义相似度,通过设置相似度阈值进而优化知识库中的先验知识,以提升少样本终身主题模型的性能.在中英文数据集上的实验结果表明,SS-AMC模型的主题一致性较基线模型有了明显的提升.
文献关键词：
主题模型;终身学习;少量数据;词向量;语义相似度
中图分类号：
作者姓名：
曾琪;买日旦·吾守尔;古兰拜尔·吐尔洪;雷恒林;王松
作者机构：
新疆大学信息科学与工程学院,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]曾琪;买日旦·吾守尔;古兰拜尔·吐尔洪;雷恒林;王松-.基于语义相似度改进的少样本终身主题模型)[J].东北师大学报（自然科学版）,2022(04):71-76
A类：
B类：
语义相似度,少样本,主题模型,先验知识,SS,AMC,Semantic,Similarity,BERT,共现词,词向量,相似度阈值,知识库,中英文,基线模型,终身学习,少量数据
AB值：
0.33298
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
