基于 KNIME 工作流的人工智能支持主题建模
信息检索
2021-04-20 v1 人工智能
机器学习
摘要
主题建模算法传统上将主题建模为带权术语列表。这些主题模型可有效用于文本分类或支持文本挖掘任务（如文本摘要或事实抽取）。通用流程依赖于术语频率的统计分析。本工作的重点是在 KNIME 工作流中实现基于知识的主题建模服务。基于我们先前的工作，将概述基于 DBPedia 的 enrichment 方法及其对比评估的简要说明与评价。使用 DBpedia-Spotlight 识别输入文本中的实体，并利用来自 DBpedia 的信息扩展这些实体。我们提供了一个在 KNIME 中开发以实现该方法的工作流，并对基于知识库信息支持的主题建模与传统 LDA 进行结果比较。该主题建模方法允许算法与人类双方进行语义解释。
引用
@article{arxiv.2104.09428,
title = {AI supported Topic Modeling using KNIME-Workflows},
author = {Jamal Al Qundus and Silvio Peikert and Adrian Paschke},
journal= {arXiv preprint arXiv:2104.09428},
year = {2021}
}
备注
7 pages, 7 figures. Qurator2020 - Conference on Digital Curation Technologies