文献类型：期刊文章

作　　者：廖列法[1] 勒孚刚[1] 朱亚兰[1]

Liao Liefa Le Fugang Zhu Yalan(School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China)

机构地区：[1]江西理工大学信息工程学院,江西赣州341000

出　　处：《现代情报》

基　　金：国家自然科学基金项目"创新网络异质性与企业创新绩效关系研究"(项目编号:71462018);江西省研究生创新专项基金资助项目"基于领域知识的LDA主题模型"(项目编号:YC2015-S304)

年　　份：2017

卷　　号：37

期　　号：3

起止页码：35-39

语　　种：中文

收录情况：BDHX、BDHX2014、CSSCI、CSSCI2017_2018、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：对传统专利文本自动分类方法中,使用向量空间模型文本表示方法存在的问题,提出一种基于LDA模型专利文本分类方法。该方法利用LDA主题模型对专利文本语料库建模,提取专利文本的文档-主题和主题-特征词矩阵,达到降维目的和提取文档间的语义联系,引入类的类-主题矩阵,为类进行主题语义拓展,使用主题相似度构造层次分类,小类采用KNN分类方法。实验结果:与基于向量空间文本表示模型的KNN专利文本分类方法对比,此方法能够获得更高的分类评估指数。

关 键 词：LDA 主题模型 专利文本分类  主题相似度  

分 类 号：G255.53[图书情报与档案管理类] G254.1