【摘要】：【目的/意義】非常態(tài)分布狀態(tài)下,LDA主題模型的檢索效果較差;在數(shù)據(jù)量較小的情況下LDA主題模型計(jì)算出來的正確率較低�！痉椒�/過程】本文提出一種基于Kmeans聚類算法的LDA主題模型檢索方法,本檢索方法以Kmeans算法為基礎(chǔ),對(duì)文本主題進(jìn)行聚類和語義相關(guān)度分析,避免了傳統(tǒng)LDA主題模型存在的諸多缺陷。【結(jié)果/結(jié)論】實(shí)驗(yàn)結(jié)果顯示,不論是一般還是多義主題關(guān)鍵詞的檢索,本文的LDA主題模型在耗時(shí)和準(zhǔn)確率上均比本文列出的其他三種主題模型具有明顯的優(yōu)勢,進(jìn)一步驗(yàn)證了本文提出方法的有效性。
[Abstract]:[objective / significance] the retrieval effect of LDA thematic model was poor under the condition of abnormal distribution. In the case of small amount of data, the accuracy of LDA topic model calculation is low. [method / process] this paper presents a LDA topic model retrieval method based on Kmeans clustering algorithm, which is based on Kmeans algorithm. Clustering and semantic relevance analysis of text topics avoid many defects of traditional LDA topic models. [results / conclusions] Experimental results show that, whether general or polysemous keywords retrieval, The LDA topic model in this paper has obvious advantages over the other three topic models in terms of time consuming and accuracy, which further verifies the effectiveness of the proposed method.
【作者單位】： 贛南師范學(xué)院圖書館;
【分類號(hào)】：TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡吉明;陳果;;基于動(dòng)態(tài)LDA主題模型的內(nèi)容主題挖掘與演化[J];圖書情報(bào)工作;2014年02期

2 劉培奇;孫捷焓;;基于LDA主題模型的標(biāo)簽傳遞算法[J];計(jì)算機(jī)應(yīng)用;2012年02期

3 程艷花;譚怒濤;黃磊;王建英;;圖像分塊重構(gòu)和LDA融合的人臉識(shí)別方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年27期

4 黃正鵬;;一種改進(jìn)的LDA+算法[J];福建電腦;2008年08期

5 張燕平;竇蓉蓉;趙姝;曹振田;;基于集成學(xué)習(xí)的規(guī)范化LDA人臉識(shí)別[J];計(jì)算機(jī)工程;2010年14期

6 趙煒;陳俊杰;李海芳;;融合LDA和多類SVM的圖像語義映射研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年18期

7 吳秀清;范麗亞;;基于QR分解和支持向量的偽逆LDA[J];聊城大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

8 鄭世卓;崔曉燕;;基于半監(jiān)督LDA的文本分類應(yīng)用研究[J];軟件;2014年01期

9 楚克明;李芳;;基于LDA話題關(guān)聯(lián)的話題演化[J];上海交通大學(xué)學(xué)報(bào);2010年11期

10 劉杰;張福生;馮達(dá);;基于LDA的潛艇機(jī)械噪聲識(shí)別算法研究[J];艦船電子工程;2013年04期

相關(guān)會(huì)議論文 前2條

1 楚克明;李芳;;基于LDA新聞話題的演化[A];第五屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

2 Jussi Koskinen;藺春濤;高冬;;線陣探測器(LDA)的現(xiàn)狀及發(fā)展趨勢(英文)[A];2004年CT和三維成像學(xué)術(shù)年會(huì)論文集[C];2004年

相關(guān)碩士學(xué)位論文 前10條

1 陳小艷;融合結(jié)構(gòu)信息的LDA扣件狀態(tài)識(shí)別研究[D];西南交通大學(xué);2015年

2 袁勝文;基于LDA的中文科技文獻(xiàn)話題演化研究[D];河南工業(yè)大學(xué);2015年

3 雷鵬;基于LDA的智能電視家庭成員識(shí)別方法研究[D];山東大學(xué);2016年

4 楊帆;基于LDA主題模型和標(biāo)簽聚類的黨建信息推送策略研究[D];云南大學(xué);2016年

5 黃勇;改進(jìn)的互信息與LDA結(jié)合的特征降維方法研究[D];華中師范大學(xué);2016年

6 張彬彬;基于LDA的社會(huì)化標(biāo)簽系統(tǒng)推薦技術(shù)研究[D];華南農(nóng)業(yè)大學(xué);2016年

7 楚克明;基于LDA的新聞話題演化研究[D];上海交通大學(xué);2010年

8 王敏;基于LDA主題模型的圖像場景分類[D];西安電子科技大學(xué);2013年

9 程龍龍;基于LDA的行為定向廣告投放算法研究[D];遼寧大學(xué);2014年

10 劉海旭;基于PCA和LDA的文本分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];北京郵電大學(xué);2013年

，

本文編號(hào)：2247917