TaxoCom：基于新颖主题簇层次发现的主题分类法补全

主题分类法表征文档集合的潜在主题（或类别）结构，为网页搜索与信息过滤等诸多应用提供有价值的内容知识。近来，若干无监督方法被开发用于从文本语料自动构建主题分类法，但在无任何先验知识下生成所需分类法颇具挑战。本文研究如何利用关于主题结构的部分（或不完整）信息作为引导来找出完整主题分类法。我们提出一种新颖的主题分类法补全框架，名为 TaxoCom，其通过发现术语与文档的新颖子主题簇来递归扩展主题分类法。为在层次化主题结构中有效识别新颖主题，TaxoCom 将其嵌入与聚类技术设计为紧密关联：（i）局部判别嵌入优化文本嵌入空间以在已知（即给定）子主题间具判别性；（ii）新颖性自适应聚类将术语分配至已知子主题之一或新颖子主题。我们在两个真实数据集上的综合实验表明，TaxoCom 不仅就术语一致性与主题覆盖生成高质量主题分类法，且在下游任务上优于所有其他基线。