一种改进的Supervised-LDA文本模型及其应用

• 作者: 许腾腾 黄恒君
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: s-LDA模型 响应变量 新闻主题 主题模型 类别标签
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 69-73,78
• 页数: 6页
• 分类号: TP391
• 字数: 4876字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.01.011

摘要

有监督的隐狄里克雷分配(s-LDA)模型在分类时不能处理多标签问题,且存在部分主题未正确分配从而导致分配主题精确度下降.为此,在给予响应变量的基础上加入类别标签,构建一种带标签的有监督的隐狄里克雷分配(sl-LDA)模型.分析s-LDA模型以及该模型主题分类存在的问题,通过验证sl-LDA模型的分类精度,对sl-LDA模型与s-LDA模型进行新闻主题分类实验.在中文和英文新闻语料库上的实验结果表明,英文语料库分类精度提高约3.80％,中文语料库提高约1.77％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄恒君	兰州财经大学统计学院	13	55	5.0	7.0
2	许腾腾	兰州财经大学统计学院	2	5	1.0	2.0