作者：杨萌萌; 黄浩; 程露红; 马平; 包武杰短文本分类吉布斯采样相似度计算
摘要：针对传统VSM（vector space model）在短文本分类中维数高、语义特征不明显的问题,提出基于LDA（latent Dirichlet allocation）模型主题分布相似度分类方法;针对短文本内容少、长度短、特征稀疏的问题,提出基于LDA模型主题-词分布矩阵的主题分布向量改进方法。与传统VSM分类方法相比,该方法降低了相似度计算维度,融合了一定语义特征。实验结果表明,与传统VSM分类方法相比,基于主题分布相似度方法的平均F1值提高了4.5%,基于LDA模型主题-词分布矩阵主题分布向量改进方法的平均F1值提高了5.2%,验证了以上方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
