基于深度文本聚类的关键词语义多模态挖掘方法  

作　　者：周春良 杨畅畅 李晓辉 ZHOU Chunliang;YANG Changchang;LI Xiaohui

机构地区：[1]郑州西亚斯学院电信与智能制造学院,河南郑州450000

出　　处：《信息技术与信息化》2025年第3期153-157,共5页Information Technology and Informatization

基　　金：郑州西亚斯学院2024年度校级科研项目(2024XKD077);河南省本科高校2023年度产教融合研究项目;郑州西亚斯学院应用型本科高校建设专项教改项目(2022YYXZX01)。

摘　　要：多模态数据具有信息丰富性,但单一挖掘方法往往难以全面把握其互补、冗余和协同的关联,导致结果不精确或片面。针对这一问题,文章提出了一种新颖的基于深度文本聚类的关键词语义多模态挖掘方法。首先,利用深度学习的半监督学习算法,精准抽取并有效融合多模态数据中的语义特征。接着,通过结合BWP指标和FCM聚类法,确定最佳聚类数,并实现对这些特征的精准聚类分析,形成语义聚类簇。最后,借助语义映射技术,将不同模态的特征映射到同一语义空间,从而全面挖掘关键词的深层语义信息。实验结果表明,所提方法在关键词语义挖掘任务中表现优异,BWP值最高达到了0.9,R@1、R@5和R@10指标分别高达0.985、0.974和0.969,挖掘性能良好。

关 键 词：深度文本聚类 半监督学习算法 BWP指标 语义映射 语义挖掘 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]