基于多层类别主题图模型的教育文本分类方法

• 作者: 李全
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 教育资源 层次分类 文本分类 主题图模型 概率矩阵 支持向量机
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 55-59,67
• 页数: 6页
• 分类号: TP391.1
• 字数: 4172字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2016.07.011

摘要

在互联网大数据时代，网络教育资源信息以爆炸式增长。层次分类能满足大规模教育文本多类别、多层次的分类要求，但传统层次分类的类别表示模型存在向量高维稀疏、缺乏语义理解等问题。针对以上问题，提出一种基于多层类别主题图模型的教育文本分类方法。该方法通过多层类别主题图模型对文本集进行建模，得到文本的多层类别-词项概率矩阵；利用3种特征提取方法的互补性进行组合特征提取，进一步提高特征词和主题类别关联度；利用多层SVM分类器进行分类。实验结果表明，该方法在性能上与传统的多层文本分类方法相比，宏平均MacroP、MacroR和MacroF1等评估值都有一定的提高，具有较好的网络教育文本分类效果和应用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李全	湖北师范学院教育信息与技术学院	11	9	2.0	3.0