基于SVM的局部潜在语义分析算法研究

作     者：谭光兴 刘臻晖 TAN Guang-xing;LIU Zhen-hui

作者机构：江西财经大学信息管理学院江西南昌330013 

基　　金：江西省博士研究生创新项目科研基金(YC2011-B026) 

出 版 物：《计算机工程与科学》 (Computer Engineering & Science)

年 卷 期：2016年第38卷第1期

页      码：177-182页

摘      要：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。

主 题 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 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081201[081201] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1007-130X.2016.01.029

馆 藏 号：203243764...