LDA模型下书目信息分类系统的研究与实现
[目的]改善图书和期刊论文等的书目信息的分类性能.[应用背景]采用传统向量空间模型对图书和期刊论文等书目信息分类的效果不理想,通过LDA模型挖掘文本隐含语义信息,能有效提高分类效果.[方法]通过LDA建模,用隐含主题表示文本并通过分类效果确定最优主题数,在此基础上采用SVM算法分类.[结果]实验表明,在复旦和Sogou公开语料库中的Macro F1分别达到95.5%和93.5%;在馆藏目录及电子期刊数据库等真实书目数据中的Macro F1分别达到77.4%和87.6%.[结论]在真实数据上的分类性能比传统向量空间模型分别提高10%和3%,达到实用水平.
LDA模型、文本分类、向量空间模型、Gibbs抽样、SVM
TP181(自动化基础理论)
2014-06-30(万方平台首次上网日期,不代表论文的发表时间)
18-25