计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
3期
223-227
,共5页
文本分类%图挖掘%图模型%隐含狄利克雷分配
文本分類%圖挖掘%圖模型%隱含狄利剋雷分配
문본분류%도알굴%도모형%은함적리극뢰분배
Text classification%Graph mining%Graph model%LDA
隐含狄利克雷分配(LDA,Latent Dirichlet Allocation)是一种用于挖掘文档集中潜在主题信息的无监督主题模型.而LDA模型的变形Labeled-LDA则可以作为有监督的多标签分类器,它建立了主题与标签的一一映射,从而学习出词与标签之间的关系.近年来,图模型在文本挖掘方面的应用取得了良好的效果,通过对文档建立图模型,为进一步分析文档的语义提供了新的途径.提出了一种利用Labeled-LDA和文档图模型进行文本分类的新算法,与传统的LDA模型方法相比,该方法的性能有较大的提高.
隱含狄利剋雷分配(LDA,Latent Dirichlet Allocation)是一種用于挖掘文檔集中潛在主題信息的無鑑督主題模型.而LDA模型的變形Labeled-LDA則可以作為有鑑督的多標籤分類器,它建立瞭主題與標籤的一一映射,從而學習齣詞與標籤之間的關繫.近年來,圖模型在文本挖掘方麵的應用取得瞭良好的效果,通過對文檔建立圖模型,為進一步分析文檔的語義提供瞭新的途徑.提齣瞭一種利用Labeled-LDA和文檔圖模型進行文本分類的新算法,與傳統的LDA模型方法相比,該方法的性能有較大的提高.
은함적리극뢰분배(LDA,Latent Dirichlet Allocation)시일충용우알굴문당집중잠재주제신식적무감독주제모형.이LDA모형적변형Labeled-LDA칙가이작위유감독적다표첨분류기,타건립료주제여표첨적일일영사,종이학습출사여표첨지간적관계.근년래,도모형재문본알굴방면적응용취득료량호적효과,통과대문당건립도모형,위진일보분석문당적어의제공료신적도경.제출료일충이용Labeled-LDA화문당도모형진행문본분류적신산법,여전통적LDA모형방법상비,해방법적성능유교대적제고.
