LS-SVM:一种有效的新闻主题追踪方法

• 作者: 张先飞 李弼程 潘渊
• 来源期刊: 计算机应用研究
• 关键词: 隐含语义分析 支持向量机 主题追踪 奇异值分解 隐含语义
• 年，卷（期）: 2008,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2661-2663,2667
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2008.09.026

摘要

新闻主题追踪是对主体所感兴趣的新闻主题的发展趋势进行动态追踪,其优势在于对所感兴趣的主题基于文本模型及理解的动态追踪,因此更多地涉及文本表示与语义理解.LS-SVM首先将文本利用LSI(隐合语义分析)进行分析,完成对文本基于语义的特征降维及文本表示;然后将隐含语义文本表示的结果输出给SVM进行主题追踪,从而实现从语义层次上的新闻主题追踪.实验结果表明,与传统的主题追踪相比较,该方法能够有效提高主题追踪的性能,减少追踪的错报率和漏报率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李弼程	解放军信息工程大学信息工程学院	77	636	13.0	22.0
2	张先飞	解放军信息工程大学信息工程学院	11	89	6.0	9.0
3	潘渊	解放军信息工程大学信息工程学院	2	14	2.0	2.0