基于LDA高频词扩展的中文短文本分类

被引：33

作者：

胡勇军 ^{[1
]}

江嘉欣 ^{[2
]}

常会友 ^{[3
]}

机构：

[1] 中山大学管理学院

[2] 中山大学信息科学与技术学院

[3] 中山大学软件学院

来源：

现代图书情报技术 | 2013年 / 06期

关键词：

短文本分类; 高频词; LDA; 特征扩展;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

针对短文本特征稀疏、噪声大等特点,提出一种基于LDA高频词扩展的方法,通过抽取每个类别的高频词作为向量空间模型的特征空间,用TF-IDF方法将短文本表示成向量,再利用LDA得到每个文本的隐主题特征,将概率大于某一阈值的隐主题对应的高频词扩展到文本中,以降低短文本的噪声和稀疏性影响。实验证明,这种方法的分类性能高于常规分类方法。

引用

页码：42 / 48

页数：7