基于半监督LDA的文本分类应用研究

• 作者: 崔晓燕 郑世卓
• 来源期刊: 软件
• 学科: 工学
• 关键词: 文本分类 主题模型 LDA模型 半监督LDA
• 年，卷（期）: 2014,（1）
• 所属期刊栏目: 理论计算机科学
• 页码范围: 46-48
• 页数: 3页
• 分类号: TP391.1
• 字数: 2650字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2014.1.012

摘要

在如今信息数据大爆炸的时代，数据的增长呈现指数级增长，而且其中大部分数据是非结构化数据，这些数据中蕴藏着大量且重要的知识等待着我们用合理的办法将其挖掘出来，如何方便合理快速的进行文本分类也是一个非常重要的课题。LDA模型是一种无监督的模型，它可以发现隐性的主题，为了更有效的发现隐性主题，本文提出一种基于半监督的LDA主题模型，找到一个主题集作为隐性层的知识集，通过这种方法找到的主题与文本更相关，另外，将LDA模型与基于半监督LDA模型应用于文本的特征提取，并与其它特征提取方法比对，实验表明，半监督LDA模型性能略好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔晓燕	北京邮电大学自动化学院	20	142	6.0	11.0
2	郑世卓	北京邮电大学自动化学院	1	19	1.0	1.0