CTM与SVM相结合的文本分类方法

• 作者: 王燕霞 邓伟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本分类 相关主题模型 聚类 支持向量机
• 年，卷（期）: 2010,（22）
• 页码范围: 203-205
• 分类号: TP18
• 字数: 2964字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.22.073

摘要

研究一种相关主题模型(CTM)与支持向量机(SVM)相结合的文本分类方法.该方法用CTM 对数据集建模以降低数据的维度,用SVM 对简化后的文本数据进行分类.为使CTM 模型能够较好地对数据集进行建模,在该方法中用DBSCAN 聚类方法对数据进行聚类,根据聚类所得到的聚类中心点数目确定CTM 模型的主题参数.实验结果表明,该方法可以加快分类速度并提高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓伟	苏州大学计算机科学与技术学院	73	313	9.0	12.0
2	王燕霞	苏州大学计算机科学与技术学院	2	17	2.0	2.0