اسدی قادیکلایی، امالبنین، نجلا حریری، مریم خادمی، و فهیمه بابالحوائجی. 1400. مدلسازی موضوعی مقالات پژوهشگران ایران در حوزه غدد درونریز و متابولیسم در پایگاه استنادی وب علوم.
پژوهشنامه علمسنجی. صفحه 8، (15) شماره پیاپی 15: 8-49. DOI:
10.22070/RSCI.2020.5813.1432.
دامی، سینا، و محمدرضا الیکایی. 1396. مدلسازی موضوعی رویدادهای اخبار مبتنی بر یادگیری عمیق افزایشی. چهارمین کنفرانس بینالمللی مطالعات نوین در علوم کامپیوتر و فناوری اطلاعات. مشهد.
دامی، سینا، و سید احمد طاهرزاده. 1396. شناسایی تهدیدهای امنیتی با استفاده از مدلسازی موضوعی LDA و ماشین بردار پشتیبان. کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر. اصفهان.
رحیمی، مرضیه، مرتضی زاهدی، و هدی مشایخی. 1397. یک مدل موضوعی احتمالاتی مبتنی بر روابط محلی واژگان در پنجرههای همپوشان.
پردازش علائم و دادهها 4، پیاپی 38: 57-70. DOI:
10.29252/jsdp.15.4.57
زرمهر، فاطمه، علی منصوری، و حسین کارشناس. 1400. مدلسازی موضوعی و کاربرد آن در پژوهشها؛ مروری بر ادبیات تخصصی. پژوهشنامه کتابداری و اطلاعرسانی 11 (1): 23-39. DOI:10.22067/infosci.2021.24128.0
زمانی، محسن، روحالله دیانت، و مهدی صادقزاده. 1393. دستهبندی متون فارسی با استفاده از روش آنالیز معنایی پنهان احتمالاتی. اولین همایش ملی کاربرد سیستمهای هوشمند (محاسبات نرم) در علوم و صنایع. قوچان.
شکری، سعید، و بهروز معصومی. 1395. خوشهبندی معنایی متن با استفاده از تخصیص پنهان دیریکله و الگوریتم ژنتیک. چهارمین کنفرانس بینالمللی پژوهش در علوم و تکنولوژی. ترکیه.
گیلوری، عباس. 1379. نمایهسازی خودکار (گذشته، حال، آینده). تحقیقات اطلاعرسانی و کتابخانههای عمومی (پیام کتابخانه سابق) 39: 17-25.
هاشمزاده، محمدجواد، زینب نخعی، و حسین مرادی مقدم. 1392. کاربرد و تعدیل قانون زیف و الگوی بازو در بازشناسی واژههای بازدارنده زبان فارسی با استفاده از خوشه زبانی مقالات علمی-پژوهشی رشته کتابداری و اطلاعرسانی. پژوهشنامه کتابداری و اطلاعرسانی 3 (2): 191-208.
Barbieri, N., G. Manco, F. Ritacco, M. Carnuccio, & A. Bevacqua. 2013. Probabilistic topic models for sequence data. Machine learning 93 (1): 5-29. DOI:10.1007/s10994-013-5391-2.
Blei, D. M. 2012. Probabilistic topic models.
Communications of the ACM 55 (4): 77-84. DOI:
10.1145/2133806.2133826
Blei, D. M., A. Y. Ng, & M. J. Jordan. 200). Latent dirichlet allocation. The Journal of machine Learning research 3: 993-1022.
Chang, J., S. Gerrish, C. Wang, J. L. Boyd-Graber, & D. M. Blei. 2009. Reading tea leaves: How humans interpret topic models. In Advances in neural information processing systems (pp. 288-296). Vancouver, British Columbia, Canada.
Cheng, X., Q. Cao, & S. Liao. 2022. An overview of literature on COVID-19, MERS and SARS: Using text mining and latent Dirichlet allocation. Journal of Information Science 48 (3): 304-320. DOI:10.1177/0165551520954674
Davarpanah, M. R., M. Sanji, & M. Aramideh. 2009. Farsi lexical analysis and stop word list.
Library Hi Tech. DOI:
10.1108/07378830910988559.
De Finetti, B. 2017. Theory of probability: A critical introductory treatment (Vol. 6). United Kingdom: John Wiley & Sons.
: John Wiley & Sons.
Deerwester, S., S. T. Dumais, G. W. Furnas, T. K. Landauer, & R. Harshman. 1990. Indexing by latent semantic analysis. Journal of the American society for information science 41 (6): 391-407. DOI:10.1002/(SICI)1097-4571
Dudoit, S., J. Fridlyand, & T. P. Speed. 2002. Comparison of discrimination methods for the classification of tumors using gene expression data. Journal of the American statistical association 97 (457): 77-87. DOI:10.1198/016214502753479248.
Griffiths, T. L., M. Steyvers, & J. B. Tenenbaum. 2007. Topics in semantic representation.
Psychological review 114 (2): 211. DOI:
10.1037/0033-295X.114.2.211
Hofmann, T. 2013. Probabilistic latent semantic analysis. arXiv preprint arXiv:1301.6705. DOI:10.48550/arXiv.1301.6705.
Jameel, S., W. Lam, & L. Bing. 2015. Supervised topic models with word order structure for document classification and retrieval learning. Information Retrieval Journal 18 (4): 283-330. DOI:10.1007/s10791-015-9254-2.
Kadanoff, L. P. 2000. Statistical physics: statics, dynamics and renormalization. World Scientific Publishing Company DOI:10.1142/4016.
Kherwa, P., & P. Bansal. 2017. Latent Semantic Analysis: An Approach to Understand Semantic of Text. In 2017 International Conference on Current Trends in Computer, Electrical, Electronics and Communication (CTCEEC) (pp. 870-874). IEEE. DOI:
10.1109/CTCEEC.2017.8455018.
Kherwa, P., & P. Bansal. 2020. Topic Modeling: A Comprehensive Review. EAI Endorsed Transactions on Scalable Information Systems 7 (24). DOI:10.4108/eai.13-7-2018.159623.
Koltcov, S. N. 2017. A thermodynamic approach to selecting a number of clusters based on topic modeling. Technical Physics Letters 43 (6): 584-586. DOI:10.1134/S1063785017060207.
_____, & V. Ignatenko. 2020. Renormalization approach to the task of determining the number of topics in topic modeling. In Science and Information Conference (pp. 234-247). Springer, Cham. DOI:10.1007/978-3-030-52249-0_16.
_____, & O. Koltsova. 2019. Estimating Topic Modeling Performance with Sharma–Mittal Entropy.
Entropy 21 (7): 660. DOI:
10.3390/e21070660.
Lee, D. D., & H. S. Seung. 2001. Algorithms for non-negative matrix factorization. In Advances in neural information processing systems (pp. 556-562).
Noji, H., D. Mochihashi, & Y. Miyao. 2013. Improvements to the Bayesian topic n-gram models. In Proceedings of the 2013 Conference on Empirical Methods in Natural Language Processing (pp. 1180-1190). Washington, USA.
Röder, M., A. Both, & A. Hinneburg. 2015. Exploring the space of topic coherence measures. In Proceedings of the eighth ACM international conference on Web search and data mining (pp. 399-408). Shanghai, China.
Sadeghi, M., & J. Vegas. 2014. Automatic identification of light stop words for Persian information retrieval systems. Journal of information science 40 (4): 476-487.
Sato, I., & H. Nakagawa. 2010. Topic models with power-law using Pitman-Yor process. In Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 673-682). Washington, DC, USA.
Sievert, C., & K. Shirley. 2014. LDAvis: A method for visualizing and interpreting topics. In Proceedings of the workshop on interactive language learning, visualization, and interfaces (pp. 63-70). Baltimore, Maryland, USA.
Wang, X., A. McCallum, & X. Wei. 2007. Topical n-grams: Phrase and topic discovery, with an application to information retrieval. In Seventh IEEE international conference on data mining (ICDM 2007) (pp. 697-702). IEEE. Omaha, Nebraska, USA.
Wang, C., & D. M. Blei. 2011. Collaborative topic modeling for recommending scientific articles. In Proceedings of the 17th ACM SIGKDD international conference on Knowledge discovery and data mining (pp. 448-456). San Diego, California USA.
Yang, G., D. Wen, N. S. Chen, & E. Sutinen. 2015. A novel contextual topic model for multi-document summarization. Expert Systems with Applications 42 (3): 1340-1352.
