LDA特征扩展的多类SVM短文本分类方法研究

摘要：

针对短文本信息量少、特征稀疏的特点,提出一种基于LDA主题扩展的多类SVM短文本分类方法.在短文本基础上,利用LDA主题模得到文档的主题分布,将主题中的词扩充到原短文本的特征中,在特征空间上使用基于经典权重计算方法的多类SVM分类器进行分类.实验结果表明,在各个类别上的查准率、查全率和F1值都有所提高,验证了该方法的可行性.

关键词：短文本分类、特征扩展、SVM、LDA

所属期刊栏目：32

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61271008

在线出版日期：2019-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：72-76