Learning to classify short text from scientific documents using topic models with various types of knowledge

طبقه بندی متن کوتاه با توجه به کمبود داده ها به چالش کشیده می شود که یک ویژگی معمول متن کوتاه است. در این مقاله، روش هایی برای ارتقاء ویژگی ها با استفاده از مدل های موضوعی پیشنهاد می شود که متن کوتاه به نظر می رسد کمیاب تر و موضوع بندی تر برای طبقه بندی است. ما با استفاده از تجزیه و تحلیل مدل موضوعی براساس تخصیص منابع نامعتبر برای مجموعه داده های غنی شده سوء استفاده کردیم و سپس روش های جدیدی را برای ارتقاء ویژگی ها با ترکیب متون خارجی از مدل های موضوعی که اسناد را برای طبقه بندی موثر تر می بریم ارائه دادیم. در آزمایشات ما مقادیر عنوان مقالات علمی را به عنوان اسناد متن کوتاه مورد استفاده قرار دادیم و سپس این اسناد را با استفاده از مدل های موضوعی از انواع مختلف مجموعه داده های جهانی برای طبقه بندی به منظور نشان دادن رویکرد ما به طور موثر، غنی سازی کردیم.