基于mRMR和LDA主题模型的文本分类研究

• 作者: 从世源 史庆伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 潜在狄利克雷分配 最小冗余最大相关 文本分类
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 127-133
• 页数: 7页
• 分类号: TP301
• 字数: 5998字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1506-0266

摘要

LDA没有考虑到输入,在原始的输入空间上对每一个词进行主题标签,因保留非作用词,而影响了主题概率分布.针对这种情况提出了一种mRMR LDA算法,预先使用mRMR特征选择算法将输入空间映射到低维空间,过滤掉非作用词,使得LDA能在更简洁和更清晰的空间上进行主题标签,得到更精确的主题分布.对20 Newsgroups语料库和复旦大学语料库进行分类,分类精度分别提高了1.53％和1.18％,实验结果表明提出的mRMR LDA模型在文本分类中有较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史庆伟	辽宁工程技术大学软件学院	16	145	7.0	12.0
2	从世源	辽宁工程技术大学软件学院	2	17	2.0	2.0