基于LDA模型的文本聚類研究.pdf_第1頁
已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、隨著信息技術(shù)及互聯(lián)網(wǎng)的發(fā)展，人類所面對的網(wǎng)絡(luò)信息迅速膨脹，因此如何從雜亂無章的海量文本信息中快速刷選出目標信息，一直是自然語言處理領(lǐng)域的研究熱點。同時文本聚類是最基礎(chǔ)的自然語言處理技術(shù)，目前文本聚類的困難主要在于兩點：第一，如何提高聚類質(zhì)量；第二，如何描述聚類結(jié)果。本文綜合思考了以上兩點，提出了基于LDA主題模型的文本聚類方法。
　　 本文主要工作包括以下三個方面：
　　 第一，詳細分析對比了國內(nèi)外文本聚類領(lǐng)域的關(guān)鍵技術(shù)

2、，如文本建模、特征提取、文本聚類方法、統(tǒng)計主題模型及聚簇主題識別方法等，并分別總結(jié)了各關(guān)鍵技術(shù)的優(yōu)缺點及目前的研究進展。
　　 第二，將LDA主題模型引入文本聚類領(lǐng)域，從統(tǒng)計學(xué)角度利用生成的文本-潛在主題模型結(jié)合傳統(tǒng)的TF IDF詞空間，將潛在主題特征知識融入詞空間，深層挖掘出文本內(nèi)部語義知識，提高文本聚類質(zhì)量。
　　 第三，利用LDA生成的潛在主題-特征詞模型及特征詞集，結(jié)合文本概率分布情況，提出了一種基于LDA模型的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論