基于改进的softmax回归模型的话题跟踪算法

• 作者: 刘宇 朴乘锴 王煜 袁方
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 类别信息 特征权重 softmax回归 话题跟踪
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 438-445
• 页数: 8页
• 分类号: TP391.1
• 字数: 6704字
• 语种: 中文

摘要

话题跟踪的目的是将新的新闻数据分配到已知话题中，对把握新闻发展趋势和进行舆情分析具有重要作用。本文深入分析了几种基于向量空间模型的特征项权重算法，发现传统算法没有充分体现特征项中类别信息的作用，在此基础上引入了类别区分度因子对卡方统计量进行改进，给出了加入类别信息的卡方统计量算法，该算法能够更准确地提取出对新闻区分度较大的特征项。同时，在特征项权重的框架内对常用的softmax线性模型进行了基于余弦假设的改进。基于标准数据集TDT4的实验表明，本文给出的权重算法和分类算法均能够提高话题跟踪的查全率和查准率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁方	河北大学计算机教学部	55	1249	17.0	34.0
5	王煜	河北大学计算机科学与技术学院	21	336	10.0	18.0
6	刘宇	河北大学数学与信息科学学院	11	69	5.0	8.0
7	朴乘锴	河北大学计算机科学与技术学院	1	4	1.0	1.0