基于LDA主题模型的TFIDF算法改进及应用.pdf

《基于LDA主题模型的TFIDF算法改进及应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、’＇．．＇．ｊ．ｔ＇－＇＂（．＾．＾；拍＾；亩—．：，；若；方．ｎ：ｖ；钓ｎ：部ｊ，％與；以苗ｖ．．．（‘．了－＇．‘．才想為．．‘勢Ｊ综聲：．誓嘴Ｖ．Ｕ苗乎叫若‘、、．／；－心’人、．－－．：和為一．Ｖ．Ｖ乂Ｖ＇．．户錫＇去．、＇＇．；．’＾兴读、％／＞＾ＹＶ护．礎氏．＇．”．工租硕女‘‘ｊ：．暫人备．户－＾、异鸣＾ｎ．．ｉＶ句＿ｕ．＇‘单化论文＾；站化识Ｗ讯．；；＞矣的為娘祐．Ｉ、＇＇＇＾＇＾‘？＊－＇‘：．＾■ｖＳ／乂．：；＊＾．＇－＞

2、’＇’：；．、＂：、：＼－．；ｌ．令媒，ｖ．错Ｖ．漫卷知．－？■？己，．．＇？■ｉ‘＊＊．，一．．＾基ｙ＾于ＬＤＡ主题模型的ＴＦＩＤＦ算法／＇；ｊ＇，．．争改进及应用，磯７＾孤．，撫多爽．萬．－、？一■‘一＂．：－少－与＇、会＾争户这少Ｖ、％Ｖ：Ｖ？：．：－’．＇．‘＞．ｖ．一：，聲秦巧ｉＶ，＞ｎ冷嗦察．ｎ苗，＼．片跋Ｙｖ＼／呼Ｖ．■．＇■．＇．户－‘＇：．护－．／．＾＇．一．＇．－：Ｘ＼：ＫＶ＜：；今於

3、，＾若ｈ餐．？‘．＇；‘、’’打；＇參方心矣！侣鞠Ｖ榮７鸿槪户片１：／难＇－巧．‘？＾？？＇＇．．！－＜ｒ＇．ｒ．一ｆ，我卷、：／ｆｉ＇户）产心皆＇靖’．＇．．‘－？、，，．Ｖ；Ｖ霉致．ｉ．＾霄，Ｖ；＇恥ｆ’’；巧’巧‘乂－丐．Ｖ．、；：、．％蘇辕品：沒乂，ＶｒＶ１—．，、＇＾、．、－；身’、作長，乃Ｖ带７Ｈ．＾４？苗拓Ｎ商扬ｆ％扣；．．、’‘．ＭＡ父女去，巧ｖＳｈ娩巧；’、‘－．．ｖ，．聲，Ｖ：？，．备拱敏鶴，＞＜ｖ％＇以—．、＾’户ｆｔ；，：－

4、＾＼－巧亩，．這．以雜ｎ違ｒｖｃ；异與皆乂，普牺请、，、？／、弓：节：與，知Ｖ苗誤备，癸．．ｆ’．、矣；／的；％ｊＶ等‘＇＇＇／丐靴斯－．次％ｆｅｒ．，衣，擬荀私達難：矜：．鄭、一打、令心奠声节护帯扣養年苗少獲语／則咸靜Ｊ．．－’立－．今＇－与ｒ；；费今、．ＶＡ句气若輝、辦．．，．？．．．．〇＇五年＋冷＇．：見．Ａ．＾ｉ讀．，／知悼―每谋．Ｖｊ蜂Ｖ祭巧苗＾八＾一＾靖钟驾旋帝苗Ｉ、＇八电賢非游吝省助心矜辦／Ｖ苗方帘ｉＶ＾麥辕ｆ巧？‘＇’＂．八．．黨．谋；為＾．叫：

5、．聲媒．璋筹接、＾荷私藥挺节；分类号密级＿ＵＤＣ工程硕±学位论文基于ＬＤ乂主题模型的ＴＦＩＤＦ算法改进及应用高扬学科专业软件工程一丹指导教师苏（教授）－－论文答辩日期２０１５１１－１１学位授予日期２０１５１２－３０答辩委员会主席陈友初教授级高级工程师广西大学学位论文原創性和使用授权声明本人声明所呈交的论文，是本人在导师的指导下独立进行研究所取得的研巧成果。除己特别加Ｗ标注和致谢的地方外，论文不包含任何其他个人或集体已经发表或撰写的研巧

6、成果，也不包含本人或他人为获得广西大学或其它单位的学位而使用过的材料一。与我同工作的同事对本论文的研究工作所做的贡献均已在论文中作了明确说明。本人在导师指导下所完成的学位论文及相关的职务作品，知识产权归属广西大学。本人授权广西大学拥有学位论文的部分使用权，目Ｐ：学校有权保存并向国家有关部口或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅，可将学位论文的全部或部分内容编入有关数据库进行检索和传播，可采用影印、缩印或其它复制手段保存、汇编学位论文。本学位论文属于；□保密

7、，在年解密后适用授权。胡％密。＂＂（请在上相应方框内打Ｖ）论文作者签名：＾场日期：心指导教师签名日期鹏．作者联系电话：基于ＬＤＡ主题模型的ＴＦＩＤＦ算法改进及应用摘要话题发现中常用的ＶＳＭ向量空间模型将语言学的文本内容转化为数学上的空间向量坐标，进而把抽象的文本间相似性问题转换为空间向量坐标间的距离问题，直观且易于理解，但存在的问题是：语义缺失，即忽视了文本中包含的语义信息。本文考虑改进ＶＳＭ模型中权值算法ＴＦＩＤＦ，通过引入ＬＤＡ主题模型的主题概念来增

8、加特征词权重的主旨语义信息，Ｗ期达到对文本的空间向量坐标增加语义信息（因为坐标值即是权重值）。算法的改进策略分为两种：首先，通过构建ＬＤＡ模型，得出概率分布函数０和巧值，计算出语义影响－ＩＴＦＩＤＦ－力Ｓ，提出ＳＩ算街其次，主题词的概率分布９值中，判定最大的前的９值对应的特征词属于该主题，用ｙＵ十算主题分布频率ＴＤＦ即：＾ＪＶ－ＴＤＦ算法语义分布，提出了ＴＦＩＤＦ。实验采用