隨著文本數(shù)據(jù)來源渠道越來越豐富，面向多源文本數(shù)據(jù)進行主題挖掘已成為文本挖掘領域的研究重點。由于傳統(tǒng)主題模型主要面向單源文本數(shù)據(jù)建模，直接應用于多源文本數(shù)據(jù)有較多的限制。針對該問題提出了基于狄利克雷多項分配（ DMA）模型的多源文本主題挖掘模型——多源狄利克雷多項分配模型（MSDMA）。通過考慮主題在不同數(shù)據(jù)源的詞分布的差異性，結合DMA模型的非參聚類性質，模型主要解決了如下三個問題：1）能夠學習出同一個主題在不同數(shù)據(jù)源中特有的詞分布形式；2）通過數(shù)據(jù)源之間共享主題空間和詞項空間，使得數(shù)據(jù)源間可進行主題知識互補，提升對高噪聲、低信息量的數(shù)據(jù)源的主題發(fā)現(xiàn)效果；3）能自主學習出每個數(shù)據(jù)源內(nèi)的主題數(shù)量，不需要事先給定主題個數(shù)。最后通過在模擬數(shù)據(jù)集和真實數(shù)據(jù)集的實驗結果表明，所提模型比傳統(tǒng)主題模型能更有效地對多源數(shù)據(jù)進行主題信息挖掘。

　　在互聯(lián)網(wǎng)發(fā)展早期，網(wǎng)絡上可獲取文本數(shù)據(jù)的渠道（數(shù)據(jù)源）較少，文本挖掘任務主要面向單源文本數(shù)據(jù)。隨著互聯(lián)網(wǎng)的快速發(fā)展，特別是移動互聯(lián)網(wǎng)的普及率越來越高，幾乎每個人都能上網(wǎng)獲取資訊和發(fā)表觀點，因此出現(xiàn)了各種各樣的文本數(shù)據(jù)生產(chǎn)渠道，如各種社交媒體、新聞門戶、博客及論壇等。這些渠道時刻都在產(chǎn)生海量的文本數(shù)據(jù)，同時對這些文本數(shù)據(jù)源進行主題信息提取通常具有比較重要的應用價值，如在網(wǎng)絡新聞采編和網(wǎng)絡輿情分析應用中，需要知道在每個渠道的主題分布，以及某個關注的主題在每個渠道的表現(xiàn)方式等。