基于 LDA 的术语画像及其在政治场景中的专家发现
信息检索
2024-01-22 v1
摘要
在许多政治机构（即议会）中，一项常见任务是寻找在特定领域具有专业知识的政治家。为解决这一问题，第一步是获取包含其兴趣的政治家画像，这些画像可以从他们的演讲中自动学习得到。由于一位政治家可能具有多个领域的专业知识，一种替代方案是使用一组子画像，每个子画像涵盖不同的主题。在本研究中，我们提出了一种完成该任务的新方法，使用潜在狄利克雷分配（LDA）确定每篇政治演讲的主要潜在主题，并将相关术语分配到不同的基于主题的子画像中。为此，我们提出使用十五种距离和相似性度量来自动确定文档中讨论的最佳主题数，并证明每种度量最终收敛于五种策略：Euclidean、Dice、Sorensen、Cosine 和 Overlap。实验结果表明，在专家推荐任务中，所提出策略的各项准确率指标得分倾向于高于基线方法，并且使用适当的主题数被证明是相关的。
引用
@article{arxiv.2401.10617,
title = {LDA-based Term Profiles for Expert Finding in a Political Setting},
author = {Luis M. de Campos and Juan M. Fernández-Luna and Juan F. Huete and Luis Redondo-Expósito},
journal= {arXiv preprint arXiv:2401.10617},
year = {2024}
}