基于主题模型与知识图谱的电子公文主题标引方法研究

发布时间：2023-05-09 22:32

　　世界已经从信息时代逐步进入到大数据时代,海量数据中很大一部分是用自然语言记录的文本数据。而电子公文作为文本数据类型的一种,它是政府机关、企事业单位等形成、具有法律效力和规范体式的数字形式的文件。历年累积的电子公文归档保存后一般按照内容进行人工主题标引、分类组织或者建立专题数据库以方便检索和开发利用。但人工标引主题方式存在劳动量大、速度慢、标引不一致等弊端,因此需要研究电子公文主题自动标引方法。针对非结构化公文的主题分析和标引问题,本文提出一种融合主题模型和知识图谱技术的电子公文主题自动标引方法,与当前存在的主题自动标引方法相比,它将电子公文文档集作为一个整体识别主题,基于主题词表构建外部知识库以实现对识别的主题用规范化的正式主题词和范畴进行统一标引。本文研究的内容包括以下三个方面:(1)基于主题模型的电子公文主题分析研究。从整体的视角进行电子公文的主题分析,应用多种自然语言处理技术将其转换成文档语料库,采用主题模型进行主题识别与分析,包括融合主题词表语义特征和通用主题模型进行主题识别,以及综合共词网络特征和层次主题模型进行主题层次结构分析。(2)基于知识图谱的主题词表语义自动转换研究。...

【文章页数】：151 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容
        1.2.1 研究问题
        1.2.2 研究对象
        1.2.3 研究内容
    1.3 研究思路与方法
        1.3.1 研究思路
        1.3.2 研究方法和工具
    1.4 论文结构与创新点
        1.4.1 论文结构
        1.4.2 论文创新点
第2章 相关研究现状
    2.1 主题标引的相关研究
        2.1.1 主题标引的基本概念
        2.1.2 主题标引的演进历史
        2.1.3 主题标引的技术方法
    2.2 主题模型的相关研究
        2.2.1 主题模型概述
        2.2.2 主题模型应用研究
    2.3 研究述评
第3章 研究框架
    3.1 研究设计
    3.2 研究整体框架
        3.2.1 自由文本数据和词典数据的预处理
        3.2.2 电子公文文档集主题识别和分析
        3.2.3 主题词表语义转换
        3.2.4 电子公文主题的自动标引
    3.3 数据集的构建与清洗
        3.3.1 实证数据
        3.3.2 验证数据
第4章 基于主题模型的电子公文主题分析研究
    4.1 融合主题词表语言特征和通用主题模型LDA的主题分析
        4.1.1 研究方法及流程
        4.1.2 实证研究
    4.2 融合共词网络特征和层次主题模型hLDA的主题分析
        4.2.1 层次主题模型及共词网络概述
        4.2.2 研究方法及流程
        4.2.3 实证研究
    4.3 小结
第5章 基于知识图谱的主题词表语义自动转换研究
    5.1 主题词表及语义转化的理论研究
    5.2 研究方法及流程
        5.2.1 分析主题词表构成及其语义关系类型
        5.2.2 构建基于SKOS数据模型的语义转换映射方案
        5.2.3 主题词表的SKOS语义自动转换
        5.2.4 SKOS语义化主题词表自动转换知识图谱
    5.3 实证研究
        5.3.1 数据来源
        5.3.2 分析结果
    5.4 小结
第6章 综合应用主题模型与知识图谱的电子公文主题标引研究
    6.1 基于LDA和知识图谱的电子公文主题标引研究
        6.1.1 方案及流程
        6.1.2 实证研究
        6.1.3 有效性分析
    6.2 基于hLDA和知识图谱的电子公文主题标引研究
        6.2.1 方法及流程
        6.2.2 实证研究
        6.2.3 有效性分析
    6.3 有效性验证
    6.4 总结
第7章 总结与展望
    7.1 总结
    7.2 不足与展望
参考文献
附录1 实证数据
附录2 验证数据
附录3 主题词表数据
致谢
作者简历及攻读学位期间发表的学术论文与研究成果



本文编号：3812504