作者：郑诚 李鸿主题模型向量空间模型文本聚类
摘要：传统的向量空间模型表示文本的缺点是向量维数高,向量空间模型中一个文本是一个大的稀疏矩阵,计算文本之间的距离或者相似度时,算法的效率低,聚类效果不理想。在主题模型（Latent Dirichlet Allocation,LDA）中,将文本表示成主题（Topic）的概率分布,主题表示为词的概率分布。主题模型下,指定主题数目为T时,所有待聚类的文本都被表示成维数为T的向量。K-均值算法作为本文的聚类算法,并通过实验验证了主题模型的聚类效果要好于向量空间模型的聚类。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
