基于LDA—wSVM模型的文本分类研究木基于LDA—wSVM模型的文本分类研究木.pdf

基于LDA—wSVM模型的文本分类研究木基于LDA—wSVM模型的文本分类研究木.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于LDA—wSVM模型的文本分类研究木基于LDA—wSVM模型的文本分类研究木

第32卷第1期 计算机应用研究 V01.32No.1 of 2015年1月 Research Jan.2015 Application Computers 基于LDA—wSVM模型的文本分类研究木 Kai2 李锋刚L2…,梁钰1’3,GAOXiao.zhi2,ZENGER 过程优化与智能决策重点实验室,合肥230009) 摘要:SVM分类算法处理高维数据具有较大优势,但其未考虑语义的相似性度量问题,而LDA主题模型可以 解决传统的文本分类中相似性度量和主题单一性问题。为了充分结合SVM和LDA算法的优势并提高分类精确 度,提出了一种新的LDA—wSVM高效分类算法模型。利用LDA主题模型进行建模和特征选择,确定主题数和隐 主题一文本矩阵;在经典权重计算方法上作改进,考虑各特征项与类别的关联度,设计了一种新的权重计算方 法;在特征词空间上使用这种基于权重计算的wSVM分类器进行分类。实验基于R软件平台对搜狗实验室的新 闻文本集进行分类,得到了宏平均值为0.943的高精确度分类结果。实验结果表明,提出的LDA—wSVM模型在 文本自动分类中具有很好的优越性能。 关键词:文本分类;潜在狄利克雷分布;支持向量机;权重计算;吉普斯抽样 中图分类号:TP391.1 文献标志码:A 文章编号:1001.3695(2015)01—0021.05 doi:10.3969/j.issn.1001-3695.2015.01.005 Researchontext basedon LDA.wSVMmodel categorization LI Kai2 Yul’3,GAOXiao—zhi2,ZENGER Feng—gan91’2’3,LIANG (1.SchoolofManagement,HefeiofTechnology,Hefei U- University niversity,AaltoF1-00076,Finland;3.KeyLaboratoryofProcess Education, Optimization&Intell培entDecision—makingofMinistryof Hefei230009,China) Abstract:SVMhas in with dimensionalitdoesnotconsiderthe of algorithmgreatadvantagesdealinghigh data,but problem semantic modelcansolvethe of measurementand similaritymeasurement.However,LDA topic problems

文档评论(0)

vshoulrengb3 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档