×

基于神经网络与隐含狄利克雷分配的文本分类

消耗积分:0 | 格式:pdf | 大小:1.58 MB | 2021-05-25

分享资料个

　　传统隐含狄利克雷分配（LDA）主题模型在文本分类计算时利用 Gibbs sg拟合已知条件分布下的未知参数，较难权衡分类准确率与计算复杂度间的关系。为此，在LDA主题模型的基础上，利用神经网络拟合单词主题概率分布，提出一种文本分类算法NLDA。在 Thucnews语料库和复旦大学语料库上进行实验，结果表明，与传统LDA模型相比，该算法的平均分类准确率分别提升5.53%和4.67%，平均训练时间分别减少8%和10%。

下载并关注上传者 低至0.43元/天 开通VIP 免费下载

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !