【摘 要】
：
随着移动互联网的快速发展和微博、微信等新媒体平台的迅速普及,产生了大量的短文本数据,对短文本的理解和处理变得越来越重要。文本分类是文本数据挖掘的重要方法之一,在信息检索、情感分析和内容推荐等领域都发挥重要作用。由于短文本的稀疏性,传统的文本分类方法直接应用于短文本的效果并不十分理想。针对短文本稀疏性问题,提出了一种基于多粒度主题模型的特征扩展方法。利用LDA从背景语料库中训练出多个不同粒度的主题模
论文部分内容阅读
随着移动互联网的快速发展和微博、微信等新媒体平台的迅速普及,产生了大量的短文本数据,对短文本的理解和处理变得越来越重要。文本分类是文本数据挖掘的重要方法之一,在信息检索、情感分析和内容推荐等领域都发挥重要作用。由于短文本的稀疏性,传统的文本分类方法直接应用于短文本的效果并不十分理想。针对短文本稀疏性问题,提出了一种基于多粒度主题模型的特征扩展方法。利用LDA从背景语料库中训练出多个不同粒度的主题模型,从中挑选出一个最优的组合构成主题特征空间,然后将短文本在主题上的概率分布作为扩展特征,并与原始特征结合,从而实现短文本的特征扩展。最后,将扩展特征向量输入到KNN和SVM等分类器中,实现短文本的分类过程。在腾讯新闻数据集和复旦大学文本分类数据集上,将提出的方法与其他经典的短文本特征扩展或分类方法进行对比,验证方法的有效性。与基于单粒度主题模型的传统特征扩展方法相比,提出的基于多粒度主题模型的特征扩展方法在KNN和SVM两个分类器上MicroF1值分别有1.81%和3.15%的提高,也比其他特征扩展方法取得了更优的分类效果。实验结果表明,提出的基于多粒度主题模型的特征扩展方法能有效解决短文本的稀疏性问题,提高文本分类的效果。
其他文献
本研究基于利益相关者理论和危机管理相关理论，构建产品召回中企业与利益相关者互动的机制模型，分析召回中企业的多个利益相关者满足的形成及其影响，并通过中国市场上的召回案例
商事调解作为一种重要的替代性纠纷解决机制,成为越来越多国际商事纠纷解决过程中当事人所欢迎和选择的手段。然而,通过调解产生的国际商事和解协议的效力和执行力,长久以来理论上存在争议,在实践中,绝大多数国家并不承认该种协议的可执行性。在国际立法上,《新加坡调解公约》成为了这一领域的最新立法实践,受到了广泛关注。本文联系国际商事调解领域的这一最新发展,对于国际商事和解协议的效力和可执行性进行探究。首先对于
近年来,电子商务在国内变得日趋流行,特别是近两年跨境电子商务在国家政策的支持下得到了蓬勃发展,跨境电商平台也如雨后春笋般地不断涌现。传统电商企业由于对跨境电商行业
感恩教育是德育教育的重要组成部分,对提高学生思想道德素养具有直接影响。所以在小学德育教育过程中,应认识到感恩教育的重要价值,重视感恩教育的实施,不断提高感恩教育水平
应用极化变换矩阵的理论阐明了双线极化圆波导双路旋转关节的工作原理,对影响通道隔离的几个主要因素做了详细的分析,为实际产品的研制提供了设计依据。
The theory of pola
2013年11月22日，首都经济贸易大学、中国社会科学院工业经济研究所和首都企业改革与发展研究会联合主办的“深化国有企业改革研讨会”在北京举行。近百位专家学者参加了研讨会
随着互联网在当前时代领域所占据的功能优势逐渐凸显,信息化成为当前教育领域非常显著的发展趋势,并被广泛的应用到农村阶段的教育领域。在全新的发展形势下,农村教师需以信
综述了在泵行业应用比较广泛的5种表面工程技术：堆焊技术、喷焊技术、激光表面处理技术、化学热处理技术和化学镀技术，以及近年来国内将稀土用于这5种表面工程技术的最新研究进
本文从供给者角度分析了对农信息服务有效供给不足的表现及其原因，指出政府的政策偏向导致了对农信息服务供给硬件的缺失，而传媒市场改革后，媒体追求经济利益和媒体从业人员的精
A族链球菌(GAS)感染可以引起宿主严重的病变,资料表明,GAS具有逃避宿主免疫攻击的能力。巨噬细胞是抗感染的重要力量,细胞因子分泌是巨噬细胞活化的一种形式,进一步诱导炎症