基于统计主题模型的多粒度web文档标注

？针对已有web文档语义标注技术在标注完整性方面的缺陷，将潜在狄里克雷分配(lda)模型用于对web文档添加语义标注。考虑到web文档具有明显的领域特征，在传统的lda模型中嵌入领域信息，提出domain-enablelda模型，提高了标注结果的完整性并避免了对词汇主题的强制分配；同时在文档隐含主题和文档所在领域本体概念间建立关联，利用本体概念表达的语义对隐含主题进行准确的解释，使文档的语义清晰化，为文档检索提供有效帮助。根据lda模型可为每个词汇分配隐含主题的特征，提出多粒度语义标注的概念。在20news-group和webkb数据集上的实验证明了domain-enablelda模型的有效性，并指出对文档进行多粒度标注有助于有效处理不同类型查询。