LDA模型下文本自动分类算法比较研究——基于网页和图书期刊等数字文本资源的对比

doi:10.13365/j.jirm.2015.04.024

信息资源管理学报 ›› 2015, Vol. 5 ›› Issue (4): 24-31, 46.doi: 10.13365/j.jirm.2015.04.024

LDA模型下文本自动分类算法比较研究——基于网页和图书期刊等数字文本资源的对比

李湘东潘练

收稿日期:2014-09-11 出版日期:2015-10-26 发布日期:2015-10-26
作者简介:李湘东，博士，副教授，研究方向为自动分类、数据挖掘，Email：xli_xiao@hotmail.com；潘练，硕士生，研究方向为自动分类。

Text Classification Algorithms Using the LDA Model: On the Comparison of the Applicaitons on Webpages and eTexts Including Books and Journals

Li Xiangdong Pan Lian

Received:2014-09-11 Online:2015-10-26 Published:2015-10-26

摘要/Abstract

摘要：

本文以信息资源管理中的网页、图书期刊的书目或题录信息等主要数字文本为对象，使用概率主题模型（LDA）建模，通过对比分析KNN、类中心向量法、SVM等三种常见的分类算法所产生的不同分类效果，研究数字文本资源管理中的自动分类特性。实验表明LDA模型下三种分类算法的分类正确率基本都能达到80%左右，SVM算法分类准确率相较另两种算法大约高0.7~22%左右。本文的结论可为数字文本分类系统使用LDA对文本建模时选择合适的分类算法提供一定的依据。

关键词: LDA, , 数字资源, , 书目信息, , 自动分类, , 分类算法

Abstract:

The object of this research is the bibliographic information and other major digital text of Webpage, books and journals in the information resource management. Based on the LDA model, this paper studies the characteristics of automatic text classification in digital resources management,and analyzes the different effect and influence of three kinds of common classification algorithm which including KNN, SVM and Rocchio algorithm. The experiment shows that the accuracy of three classification algorithms basic is about 80%, while in most cases SVM algorithm having 0.7~22% higher classification accuracy than the other two algorithms. Its conclusion may provide a certain basis for choosing the appropriate classification algorithm when LDA model is using in digital information classification system.

Key words:

LDA; , Digital resources; , Bibliographic information; , Classification; , Classification algorithm

中图分类号:

TP391
G202

李湘东潘练. LDA模型下文本自动分类算法比较研究——基于网页和图书期刊等数字文本资源的对比[J]. 信息资源管理学报, 2015, 5(4): 24-31, 46.

Li Xiangdong Pan Lian. Text Classification Algorithms Using the LDA Model: On the Comparison of the Applicaitons on Webpages and eTexts Including Books and Journals[J]. Journal of Information Resources Management, 2015, 5(4): 24-31, 46.

[1]	许林玉. 高被引论文核心影响因素判别研究[J]. 信息资源管理学报, 2023, 13(5): 137-148.
[2]	陈玥彤　王昊　李跃艳　张卫　邓三鸿. 一种面向内容差异的学术论文评价方法[J]. 信息资源管理学报, 2022, 12(4): 56-69.
[3]	张兆阳　王君领　黄佳妮　沈嘉裕　王伊杨　赵蓉英. 重大突发事件期间微博主题与用户行为的关联演化研究[J]. 信息资源管理学报, 2021, 11(2): 28-38.
[4]	赵蓉英　常茹茹　陈湛　王煜然　孙竹墨　游晟奕. 基于知乎平台的突发公共卫生事件主题演化研究[J]. 信息资源管理学报, 2021, 11(2): 52-59.
[5]	郭清玥　吴丹. 基于文本分析的APP隐私政策框架优化研究[J]. 信息资源管理学报, 2021, 11(1): 18-29.
[6]	高　凡　吴振新　付鸿鹄　陈子俊. 数字资源长期保存:研究进展回顾与展望——iPRES 2019国际会议综述[J]. 信息资源管理学报, 2020, 10(2): 118-127.
[7]	张涛　蔡庆平　马海群. 一种基于政策文本计算的政策内容分析方法实证研究——以互联网租赁自行车为例[J]. 信息资源管理学报, 2019, 9(1): 66-76.
[8]	吴江　周露莎　刘冠君　贺超城. 基于LDA的可穿戴设备在线评论主题挖掘研究[J]. 信息资源管理学报, 2017, 7(3): 24-33.
[9]	聂云霞　徐苾滢. 我国数字资源长期保存的瓶颈与归因[J]. 信息资源管理学报, 2016, 6(3): 99-106.
[10]	周欣. 基于信息觅食理论的数字图书馆学科服务研究[J]. 信息资源管理学报, 2016, 6(2): 101-106,100.
[11]	李湘东　蔡义　张娇. 图书情报类期刊中电子商务相关研究的评价与分析——基于CNKI 2006-2013年文献数据[J]. 信息资源管理学报, 2016, 6(1): 88-96.
[12]	吴志强张嘉宝杨承铸. 基于用户社会网络的数字信息资源阅读推广服务研究[J]. 信息资源管理学报, 2015, 5(4): 47-50, 56.
[13]	肖秋会伍黎丹. 澳大利亚国家档案馆的数字连续性计划研究[J]. 信息资源管理学报, 2015, 5(4): 19-23.
[14]	聂云霞　晏秦. 数字资源长期保存的负外部性研究[J]. 信息资源管理学报, 2015, 5(3): 86-91.
[15]	张敏　朱明星. 基于知识图谱的国际社会化媒体研究可视化分析[J]. 信息资源管理学报, 2015, 5(3): 78-85,97.

LDA模型下文本自动分类算法比较研究——基于网页和图书期刊等数字文本资源的对比

Text Classification Algorithms Using the LDA Model: On the Comparison of the Applicaitons on Webpages and eTexts Including Books and Journals

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价