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，請進行舉報或認領

文檔簡介

1、隨著信息技術及互聯(lián)網(wǎng)的發(fā)展，人類所面對的網(wǎng)絡信息迅速膨脹，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域的研究熱點。同時文本聚類是最基礎的自然語言處理技術，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)外文本聚類領域的關鍵技術

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)了各關鍵技術的優(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域，從統(tǒng)計學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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。
  • 6. 下載文件中如有侵權或不適當內(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