文 献 综 述 摘要 本研究课题拟对当前自然语言处理中的文本主题识别问题进行研究，并尝试在相关数据上应用相关算法。

本课题拟在现有的研究基础上，重点探讨当前基于LDA算法的主题识别模型，总结近几年最新的研究成果，研究其优化、改良、集成的方法，探索其在实际工程的应用。

一 引言 随着互联网中信息量的迅速整张，自然语言处理技术（Natural Language Processing）被越来越多地应用于自动处理文本信息相关的任务。

而作为自然语言处理任务中的一种基本问题，LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息，对文本挖掘，机器阅读理解等高层次自然语言处理问题的研究有着一定的启发性。

本文首先具体定义了需要解决的问题及实际意义，随后从两个角度论述了识别文本主题问题的解决方案，对现有方法进行了总结，指出了当前研究的存在的待改进的部分，对潜在的创新点进行了展望。

二 文本主题识别的定义 主题发现分为广义和狭义之分,广义的主题发现针对各种常见数据集(文本,图像,音频,视频等),狭义的主题发现仅针对文本数据，我们通常所说的主题发现是狭义的主题发现。

文献[2]对文本主题的定义进行了综合性整理。

该定义阐明文章主题与词的频数有关，词出现的频数越高，主题权重越大[14]，其结果如公式（1）所示： （1） 其中， ，V 表示词典中不重复的词的数目， 表示在语料中由第 k 个topic 产生的第 t 个词的数目。

此外，文献[4]指出，文本的主题识别还可以从信息增益这个方面进行考量。

本文侧重于语义上的文本主题识别。