Document-based topic coherence measures for news media text

یک نیاز فزاینده برای تجزیه و تحلیل خودکار متن خبر وجود دارد و مدلهای موضوعی ابزار مفید برای این کار ثابت شده اند. با این حال، به عنوان کیفیت موضوعات ایجاد شده توسط مدل های موضوعی بسیار متفاوت است، تلاش های تحقیق زیادی برای ارزیابی خودکار آنها اختصاص داده شده است. تحقیقات اخیر بر روی هماهنگی موضوع به عنوان اندازه گیری کیفیت موضوع متمرکز شده است. معیارهای انسجام موضوعی با درنظر گرفتن شباهت معنایی کلمات موضوعی کار می کنند. این باعث می شود که آنها ناتوانی برای تشخیص انسجام موضوعات گذرا با کلمات موضوع معنایی ناسازگار باشند که در متون رسانه های خبری فراوان است. در این مقاله، ما مفهوم انسجام موضوعی مبتنی بر اسناد را معرفی می کنیم و اقدامات تطبیقی ​​تازهای را پیشنهاد می کنیم که بر مبنای اسناد موضوع به جای کلمات موضوعی تطابق موضوع را ارزیابی می کنند. ما اقدامات پیشنهادی را در دو مجموعه داده ای حاوی موضوعات به صورت دستی برای هماهنگی مبتنی بر اسناد برچسب گذاری می کنیم که بر اساس آن اقدامات پیشنهادی از روش های پایه قوی و همچنین اقدامات انطباق مبتنی بر کلمه برتر استفاده می کنند. ما همچنین مفید بودن اقدامات انطباق مبتنی بر اسناد را برای کشف خودکار موضوع از متون رسانه های خبری نشان می دهیم.