互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代,信息量以越來越快的速度在增長(zhǎng)著,并依舊以幾何級(jí)別的速度不斷增長(zhǎng)。其中,包括書籍、新聞、報(bào)告等在內(nèi)的非結(jié)構(gòu)化文本數(shù)據(jù),也在不斷擴(kuò)張。面對(duì)海量的文本數(shù)據(jù),如何從中提取有效的關(guān)鍵信息尤為重要。虛假新聞的混淆視聽,使得人們?cè)讷@取有效信息的難度陡增,如何快速準(zhǔn)確的對(duì)虛假新聞進(jìn)行檢測(cè)識(shí)別具有重要的意義。本文希望通過對(duì)處理海量數(shù)據(jù)具有極大優(yōu)勢(shì)的LDA主題模型進(jìn)行擴(kuò)展研究,將此模型運(yùn)用到虛假新聞檢測(cè)任務(wù)當(dāng)中,拓展主題模型以及文本挖掘的研究基礎(chǔ),將此應(yīng)用到虛假新聞檢測(cè)任務(wù)中,減少虛假新聞的危害。本文首先梳理了主題模型以及虛假新聞檢測(cè)相關(guān)的文獻(xiàn),研究分析了虛假新聞檢測(cè)識(shí)別的文獻(xiàn)內(nèi)容,分析主題模型當(dāng)前的方法體系,總結(jié)歸納當(dāng)前的研究進(jìn)展,總結(jié)了主題模型在虛假新聞檢測(cè)上面的可行性。接下來,基于此研究的基礎(chǔ),提出基于段落相關(guān)信息的LDA主題模型(Latent Dirichlet Allocation),命名為para-LDA主題模型,該模型方法通過在原始LDA主題模型的基礎(chǔ)上添加段落層次,將段落信息納入LDA主題模型當(dāng)中。模型繼承了原LDA主題模型對(duì)于大文本處理以及挖掘隱含語義的優(yōu)勢(shì),同時(shí)加入了段...

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    1.1 研究背景
    1.2 研究目的與意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 研究?jī)?nèi)容框架
    1.4 研究方法
    1.5 可能創(chuàng)新點(diǎn)
第二章 文獻(xiàn)綜述
    2.1 主題模型的研究現(xiàn)狀
        2.1.1 主題模型的源起
        2.1.2 主題模型的擴(kuò)展應(yīng)用
        2.1.3 主題模型中關(guān)于段落的信息
    2.2 虛假新聞檢測(cè)的研究現(xiàn)狀
    2.3 虛假新聞檢測(cè)與主題模型
    2.4 小結(jié)
第三章 基于段落相關(guān)的LDA主題模型
    3.1 主題模型
        3.1.1 一元模型
        3.1.2 pLSA模型
        3.1.3 LDA主題模型
    3.2 基于段落相關(guān)的LDA主題模型
    3.3 基于吉布斯抽樣的參數(shù)估計(jì)
    3.4 利用LDA主題模型提取新聞的主題及其特征分布
    3.5 小結(jié)
第四章 模型在虛假新聞檢測(cè)中的應(yīng)用
    4.1 數(shù)據(jù)來源與數(shù)據(jù)預(yù)處理
        4.1.1 數(shù)據(jù)介紹
        4.1.2 數(shù)據(jù)預(yù)處理
    4.2 數(shù)據(jù)總體描述
        4.2.1 詞頻描述
        4.2.2 主題提取
    4.3 實(shí)驗(yàn)對(duì)比評(píng)價(jià)
        4.3.1 模型困惑度
        4.3.2 預(yù)測(cè)準(zhǔn)確性
    4.4 小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 不足與展望
參考文獻(xiàn)
致謝



本文編號(hào)：4041502