基于数据增强的地质文本主题模型①
2022-08-04张竞元周大双陈麒玉
计算机系统应用 2022年7期
张竞元,刘 刚,2,曾 粤,周大双,陈麒玉,2
1(中国地质大学(武汉)计算机学院,武汉 430074)
2(智能地学信息处理湖北省重点实验室,武汉 430074)
地质科学文献、地质勘查报告以及野外记录等地质类文本数据数量急剧增加,人们如果使用以往的方法从海量的结构化与非结构化文本数据[1]中发掘、获取信息意味着巨大的时间、精力的投入,导致工作效率的低下. 地质文本数据相较于其他领域的数据,在复杂度与专业程度上丝毫不低. 文本聚类[2]作为一种无监督的机器学习方法,其优势在于能够对文本数据进行较为有效地组织、摘要和导航. 而这些也正是地质文本数据处理所需要的. 由于地质学科的庞大复杂,所以产生的文本数据也是种类繁多,而面向主题的思想能够使我们有针对性地组织、管理和获取数据,从而得到所需的信息,是一个能对文档集进行整体分析的视角和工具[3].
为了完成文本聚类的同时挖掘文本数据的主题,文本主题模型是常用的方法. 不过相较于普通文本,专业领域的文本对文本主题控制会有进一步要求,这对文本模型提取主题信息提出了挑战. 基于文本主题模型自身的优势,目前有应用于地质大数据表示技术[4]、地质文本分类[5]、 地质实体识别[6]等. 而在地质文本主题提取方面,樊中奎[7]使用信息提取技术对已进行粗分类的地质资料的具体内容进行按主题获取,可以提高资料的利用效率; 王永志等[8]研发了融合加权与词频……
登录APP查看全文
