Исследование посвящено усовершенствованию методов
вероятностного тематического моделирования, направленных на
выявление скрытых взаимосвязей между словами, документами и
темами в текстовых коллекциях. В большинстве тематических моделей
темы представлены исключительно униграммами, что в некоторых
случаях влечет за собой ухудшение точности и повышает сложность
содержательной интерпретации выделяемых тем. Нами предложен
новый алгоритм на основе метода LDA, позволяющий автоматически
выделять в корпусе словосочетания, состоящие из двух слов, и
добавлять их в тематические модели. В статье изложена работа
алгоритма и приведены результаты его применения в автоматической
обработке корпусов специальных текстов.