基于LDA-wSVM模型的文本分类研究

• 作者: GAO Xiao-zhi ZENGER Kai 李锋刚 梁钰
• 来源期刊: 计算机应用研究
• 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
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.01.005

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—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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁钰	合肥工业大学管理学院	1	47	1.0	1.0