基于LDA的英汉维文本聚类系统的设计与实现

• 作者: 卡哈尔江·阿比的热西提 吐尔根·依布拉音 田亮 艾山·吾买尔
• 来源期刊: 现代电子技术
• 关键词: 文本聚类 LDA模型 多语言 文本特征提取 相似度聚类 权重
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 122-126
• 页数: 5页
• 分类号: TN911-34|TP391
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.03.030

摘要

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统.因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度.通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词.测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吐尔根·依布拉音	新疆大学信息科学与工程学院	116	771	14.0	22.0
3	艾山·吾买尔	新疆大学信息科学与工程学院	66	292	10.0	14.0
7	卡哈尔江·阿比的热西提	新疆大学信息科学与工程学院	14	49	5.0	6.0
13	田亮	新疆大学信息科学与工程学院	1	0	0.0	0.0