论文研究-基于LDA-wSVM模型的文本分类研究.pdf
SVM分类算法处理高维数据具有较大优势，但其未考虑语义的相似性度量问题，而LDA主题模型可以解决传统的文本分类中相似性度量和主题单一性问题。为了充分结合SVM和LDA算法的优势并提高分类精确度，提出了一种新的LDA-wSVM高效分类算法模型。利用LDA主题模型进行建模和特征选择，确定主题数和隐主题—文本矩阵；在经典权重计算方法上作改进，考虑各特征项与类别的关联度，设计了一种新的权重计算方法；在特征词空间上使用这种基于权重计算的wSVM分类器进行分类。实验基于R软件平台对搜狗实验室的新闻文本集进行分类，得到了宏平均值为0.943的高精确度分类结果。实验结果表明，提出的LDA-wSVM模型在文本自动分类中具有很好的优越性能。
文件下载
评论信息
其他资源
- 全国 矢量地图 shp 数据
- MPC-test.zip
- 水平集level set、李纯明博士DRLSE改进方法（matlab代码）
- 基于LabVIEW的Socket程序设计
- Ansoft Maxwell 13电机电磁场实例分析
- 电机瞬态分析--马志云
- 国家临床版3.0手术操作编码（ICD-9-CM3）.rar
- 基于 SVM 的中文微博情感分析的研究
- 基于mealy状态机的密码锁系统设计_全工程
- 机票预订系统数据库文档（全）
- L1 Magic程序 使用说明 使用示例 相关论文
- SPFD6448A_DS(S-Driver,8bit RSDS)_V1.0_20030929.pdf
- 整车热系统集成资料.ppt
- 手势识别控制鼠标
- 微信支付v3版 c#源码 demo（简单好用)
- 命令行打开控制面板里面各项的方法
- CPU Cache and Memory Ordering
- 大型的购物网站毕业设计以及论文
- ITX-N29说明书 VER1.2
- 山东大学-计算机组成原理课程设计报告样例
- STM32串行12864液晶显示
- ssh网上拍卖系统
- 基于倒谱特征的端点检测
- AXIS2作为客户端调用webService的demo
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明