一种基于多类别信息的局部潜在语义分析算法研究

为了有效解决现有Web文本分类方法普遍存在的分类效果不佳、性能低下等问题,文中基于局部潜在语义分析的理论原理,利用支持向量机分类优势,设计出一种基于文档与类别之间相关度的生成局部区域的算法,即S-LLSA。该算法在奇异值分解过程中引入不同类别信息,分析特征词的局部特征,使用支持向量机分类器计算文本对类别的相关度参数,并应用于局部区域生成过程。通过实验表明,S-LLSA算法有效解决了局部区域如何进行局部奇异值分解问题,有效地提高并优化了Web文本分类效果,更好地表示了Web文本潜在语义空间。

基于SVM的局部潜在语义分析算法研究

针对现有的Web文本分类与表示方法中出现的各种分类效果与性能优化等问题,基于局部潜在语义分析的理论原理,利用支持向量机分类优势,设计出一种基于文档与类别之间相关度的生成局部区域的算法,即S-LLSA。该算法在语义分析使用矩阵的奇异值分解过程中引入不同类别信息,分析特征词的局部特征,使用支持向量机分类器计算文本对类别的相关度参数,并应用于局部区域生成过程。通过实验表明,S-LLSA算法有效解决了局部区域如何进行局部奇异值分解问题,有效提高并优化了Web文本分类效果,更好地表示了Web文本潜在语义空间。

基于多类别相关度的潜在语义挖掘算法

鉴于当前web文本分类存在的问题,阐明基于文档和类别相关度的生成局部区域的方法,即S-LLSA。将各种类别信息应用于语义分析中,研究特征词的局部特征,通过相关分类器求解文本对类别的相关度参数,在此基础上,将其引入到生成局部区域的环节之中。实验结果表明,S-LLSA能够妥善处理局部区域奇异值分解问题,在很大程度上改善了web文本分类结果,使其潜在语义空间得到有效描述。

基于相关度的局部潜在语义分析算法研究

针对现有的web文本分类与表示方法中出现的各种分类效果与性能优化等问题,提出基于局部潜在语义分析的理论原理,利用支持向量机分类优势,设计出一种基于文档与类别之间相关度的生成局部区域的算法,即S-LLSA。该算法在语义分析使用矩阵的奇异值分解过程中引入不同类别信息,分析特征词的局部特征,使用支持向量机分类器计算文本对类别的相关度参数,并应用于局部区域生成过程。通过实验表明,S-LLSA算法有效解决了局部区域如何进行局部奇异值分解问题,极大改进了web文本分类效果与优化问题,更好地表示了web文本潜在语义空间。