摘要:
针对传统聚类算法在处理大规模和高维文本聚类时存在的不足和局限性,提出了新的以LDA(latent dirichlet allocation)模型为基础的聚类方法。通过LDA主题模型挖掘得到文本之中的潜在主题分布以及不同主题内的词语分布,分别计算文本在“文本-主题”特征空间和“主题-词语”特征空间的相似度,然后对两者线性加权,获得最终的文本相似度。利用经典的K-Means 算法,在中英文语料库上进行的实验表明,与单纯地利用VSM结合K-means相比,具有较好的聚类效果。
中图分类号:
李国,张春杰,张志远. 一种基于加权LDA模型的文本聚类方法[J]. 中国民航大学学报.
LI Guo, ZHANG Chunjie, ZHANG Zhiyuan. Text clustering method based on weighted LDA model[J]. .