[发明专利]一种基于概率单词选择和监督主题模型的文本分类方法有效
| 申请号： | 201310410657.0 | 申请日： | 2013-09-10 |
| 公开（公告）号： | CN103473309A | 公开（公告）日： | 2013-12-25 |
| 发明（设计）人： | 庄越挺;吴飞;高海东 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 张法高 |
| 地址： | 310027 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于概率单词选择和监督主题模型的文本分类方法。包括如下步骤：1）去除训练文本中的标点符号，统计词频信息及类别信息，并形成单词表和类别表；2）初始化主题比例矢量，主题单词矩阵，主题单词鉴别度矩阵和回归系数矩阵；3）根据训练文本的单词列表及其类别迭代更新主题比例矢量、主题单词矩阵、主题单词鉴别度矩阵和回归系数矩阵；4）对于测试文本，统计词频信息，然后利用主题比例矢量、主题单词矩阵、主题单词鉴别度矩阵和回归系数矩阵进行分类。本发明能够最大程度地减轻文本分类时繁杂的预处理过程，可以更加准确地对测试文本进行分类。本发明还能挖掘出主题中单词的鉴别度，以形象化展示文本中单词的重要性。 | ||
| 搜索关键词： | 一种 基于 概率 单词 选择 监督 主题 模型 文本 分类 方法 | ||
【主权项】：
一种基于概率单词选择和监督主题模型的文本分类方法，其特征在于包括如下步骤： 1)去除训练文本中的标点符号，统计词频信息及类别信息，并形成单词表和类别表； 2)初始化主题比例矢量，主题单词矩阵，主题单词鉴别度矩阵和回归系数矩阵； 3)根据训练文本的单词列表及其类别迭代更新主题比例矢量，主题单词矩阵，主题单词鉴别度矩阵和回归系数矩阵； 4)对于测试文本，统计词频信息，然后利用主题比例矢量，主题单词矩阵，主题单词鉴别度矩阵和回归系数矩阵进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310410657.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种面向内存数据网格的分布式事务保障方法
- 下一篇：一种导航数据分区方法
