首页|改进LDA模型的短文本聚类方法

改进LDA模型的短文本聚类方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
在短文本聚类模型中,传统LDA模型没有考虑文本与主题之间的联系.提出一种具有判别学习能力的LDA模型,在LDA-λ模型中将二项分布引入LDA基础模型,增加词项的判别能力.对模型进行理论分析与对比试验,结果表明,基于改进的LDA模型精确度(ACC)、归一化互信息(NMI)和成对F测度值(PWF)比较高,分别达到0.7384、0.8191、0.6941,比传统的LDA模型分别提高1.62％、2.51％、1.2％,比VSM模型分别提高2.83％、10.99％、1.89％,基于改进的LDA模型在聚类问题处理上要优于LDA模型和VSM.
Improved Short Text Clustering Method of LDA Model

孙红、俞卫国

展开 >

上海理工大学光电信息与计算机工程学院

上海现代光学系统重点实验室,上海200093

主题模型 改进LDA模型 文本聚类 概率生成模型 短文本 主题挖掘

614722566117027761703277C14002

2021

10.11907/rjdk.202315

软件导刊
湖北省信息学会

软件导刊

影响因子：0.524
ISSN：1672-7800
年,卷(期)：2021.20(9)
  • 3
  • 5