一种改进的Supervised-LDA文本模型及其应用

	一种改进的Supervised-LDA文本模型及其应用
	许腾腾; 黄恒君
	2018-01-15
发表期刊	计算机工程
期号	1 页码:69-73+78
摘要	有监督的隐狄里克雷分配(s-LDA)模型在分类时不能处理多标签问题,且存在部分主题未正确分配从而导致分配主题精确度下降。为此,在给予响应变量的基础上加入类别标签,构建一种带标签的有监督的隐狄里克雷分配(sl-LDA)模型。分析s-LDA模型以及该模型主题分类存在的问题,通过验证sl-LDA模型的分类精度,对sl-LDA模型与s-LDA模型进行新闻主题分类实验。在中文和英文新闻语料库上的实验结果表明,英文语料库分类精度提高约3.80%,中文语料库提高约1.77%。
关键词	s-LDA模型响应变量新闻主题主题模型类别标签
URL	查看原文
收录类别	北大核心
ISSN	1000-3428
语种	中文
来源期刊等级	C2类
文献类型	期刊论文
条目标识符	http://ir.lzufe.edu.cn/handle/39EH0E1M/878
专题	统计与数据科学学院教务处
作者单位	兰州财经大学统计学院
第一作者单位	统计与数据科学学院
推荐引用方式 GB/T 7714	许腾腾,黄恒君. 一种改进的Supervised-LDA文本模型及其应用[J]. 计算机工程,2018(1):69-73+78.
APA	许腾腾,&黄恒君.(2018).一种改进的Supervised-LDA文本模型及其应用.计算机工程(1),69-73+78.
MLA	许腾腾,et al."一种改进的Supervised-LDA文本模型及其应用".计算机工程 .1(2018):69-73+78.