基于LDA的文本分类算法

• 作者: 何锦群 刘朋杰
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 主题模型 LDA 文本分类
• 年，卷（期）: 2014,（4）
• 页码范围: 28-31
• 页数: 4页
• 分类号: TP18
• 字数: 2625字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2014.04.007

摘要

LDA可以实现大量数据集合中潜在主题的挖掘与文本信息的分类，模型假设，如果文档与某主题相关，那么文档中的所有单词都与该主题相关。然而，在面对实际环境中大规模的数据，这会导致主题范围的扩大，不能对主题单词的潜在语义进行准确定位，限制了模型的鲁棒性和有效性。本文针对LDA的这一弊端提出了新的文档主题分类算法gLDA，该模型通过增加主题类别分布参数确定主题的产生范围，提高分类的准确性。 Reuters-21578数据集与复旦大学文本语料库中的数据结果证明，相对于传统的主题分类模型，该模型的分类效果得到了一定程度的提高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何锦群	天津理工大学计算机与通信工程学院移动计算与数据挖掘重点实验室计算机视觉与系统教育部重点实验室	1	3	1.0	1.0
2	刘朋杰	天津理工大学计算机与通信工程学院移动计算与数据挖掘重点实验室计算机视觉与系统教育部重点实验室	1	3	1.0	1.0