-
题名基于相关度的局部潜在语义分析算法研究
被引量:9
- 1
-
-
作者
吴勇
刘钰峰
-
机构
湖南机电职业技术学院信息工程学院
湖南大学信息科学与工程学院
-
出处
《控制工程》
CSCD
北大核心
2017年第8期1701-1706,共6页
-
文摘
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。
-
关键词
文本分类
局部潜在语义分析
支持向量机
奇异值分解
S—LLSA
-
Keywords
Text classification
local latent semantic analysis
SVM
SVD
S-LLSA
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于多类别信息的局部潜在语义分析算法研究
被引量:2
- 2
-
-
作者
陈珂
柯文德
刘美
张良均
-
机构
广东石油化工学院计算机科学与技术系
广东省云机器人(石油化工)工程技术研究中心
广州太普信息技术有限公司
-
出处
《南京邮电大学学报(自然科学版)》
北大核心
2016年第1期119-124,共6页
-
基金
国家自然科学基金(61272382)
广东省科技计划(2012B010100037
+4 种基金
2014A010104016
2015B090903084)
广东省高等学校学科与专业建设专项资金科研类项目(2013KJCX0132
2013KJCX0133)
广东省云机器人(石油化工)工程技术研究中心开放基金(650007)资助项目
-
文摘
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。
-
关键词
文本分类
局部潜在语义分析
支持向量机
奇异值分解
S-LLSA
-
Keywords
text classification
local latent semantic analysis
support vector machine(SVM)
singular value decomposition(SVD)
S-LLSA
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于SVM的局部潜在语义分析算法研究
被引量:3
- 3
-
-
作者
谭光兴
刘臻晖
-
机构
江西财经大学信息管理学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2016年第1期177-182,共6页
-
基金
江西省博士研究生创新项目科研基金(YC2011-B026)
-
文摘
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。
-
关键词
文本分类
局部潜在语义分析
支持向量机
奇异值分解
S-LLSA
-
Keywords
text classification
local latent semantic analysis
SVM
SVD
S-LLSA
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多类别相关度的潜在语义挖掘算法
- 4
-
-
作者
伍永豪
柯赟
杨华勇
-
机构
武汉科技大学城市学院信息工程学部
武汉工商学院文法学院
-
出处
《计算机工程与设计》
北大核心
2016年第7期1817-1821,共5页
-
基金
2015年湖北省教育厅科学研究计划指导性基金项目(B2015363)
2015年湖北省教育厅人文社会科学研究专项任务基金项目(15Z170)
-
文摘
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。
-
关键词
文本分类
局部潜在语义分析
支持向量机
奇异值分解
S-LLSA
-
Keywords
S-LLSA
text classification
local latent semantic analysis
SVM
SVD
S-LLSA
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-