首页|嵌入式系统|显示技术|模拟IC/电源|元件与制造|其他IC/制程|消费类电子|无线/通信|汽车电子|工业控制|医疗电子|测试测量
首页 > 分享下载 > 测试测量 > 基于神经网络与隐含狄利克雷分配的文本分类

基于神经网络与隐含狄利克雷分配的文本分类

资料介绍
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 sg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%。
标签:神经网络
基于神经网络与隐含狄利克雷分配的文本分类
本地下载

评论