目前，有效地分析和處理海量的非結(jié)構(gòu)化文本數(shù)據(jù)，迅速、精準(zhǔn)地挖掘出有效的潛在語義信息，已成為機(jī)器學(xué)習(xí)、自然語言處理等領(lǐng)域所面臨的巨大挑戰(zhàn)之一。本書聚焦話題模型，進(jìn)行文本智能處理研究以探索其在語義分析等領(lǐng)域的具體應(yīng)用。本書主要有三部分，分別從時間信息、文本特征和用戶興趣這三點(diǎn)出發(fā)進(jìn)行面向文本語義分析應(yīng)用的話題模型研究。具體內(nèi)容包括：采用深度學(xué)習(xí)算法圍繞時間信息的話題演化，利用分布式詞嵌入表示提升短文本建模，抽取匹配用戶關(guān)注點(diǎn)的細(xì)粒度話題這三個方面。這三部分內(nèi)容針對性強(qiáng)，對文本智能處理和文本數(shù)據(jù)挖掘領(lǐng)域具有較強(qiáng)的指導(dǎo)作用，與讀者需求貼合度高，科學(xué)性強(qiáng)。