计算机工程

作者：牛硕硕, 柴小丽, 李德启, 谢彬

单位：中国电子科技集团公司第三十二研究所, 上海 201808

关键词：文本分类,深度学习,神经网络,隐含狄利克雷分配,主题模型

基金：国家部委基金。

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 Sampling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%。

来源：2019年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第10期