第四届“数据分析与知识发现”学术研讨会于2023年12月5-6日在厦门召开。本次会议由中国科学院文献情报中心主办，厦门大学信息学院和《数据分析与知识发现》编辑部联合承办。来自112家高校、科研机构和企业，跨情报科学、管理科学、计算机科学等交叉领域的265名专家和代表参加了本次会议。

大数据科学研究院岑咏华教授受邀参加研讨会，并作《基于LDA-WFR-WME的文本嵌入表示方法研究》专题报告。

文本表示是文本处理和分析的基础工作，在情感分析、文本分类等任务中发挥着关键作用，文本表示质量直接影响下游任务的准确性。针对传统词袋模型、以潜在迪利克雷分配（LDA）模型为代表的主题模型和以Doc2vec为代表的分布式文本嵌入模型可能存在的语义精度不足、上下文窗口受限等局限性，基于词移距离（Word Mover's Distance）和词移嵌入（Word Mover's Embedding）的文本表示模型近年来受到特别关注。

岑教授的研究提出一种基于LDA初始化和WFR文本距离的词移嵌入表示方法LDA-WFR-WME。该方法通过LDA建模初始化随机文档的主题空间，克服一般词移嵌入模型的主题空间均匀分布假设导致的语义偏差；引入WFR文本距离（Wasserstein-Fisher-Rao Text Distance），改善文档间语义细节差异过大引起的距离失真问题。研究以多组短文本情感分析、长文本分类以及文本聚类任务为例，以Doc2vec、Attention-BiLSTM、BERT等为竞争模型，进行实验对比分析。研究结果表明，LDA-WFR-WME方法在句子、段落和篇章的嵌入式表示方面体现出更优的性能。