基于概率主题模型的文档聚类.pdfVIP

第11期 电 子 学 报 V01．40No．11 2012年11月 ACTAEI直I孤0NICASINICA Nov，20】2 基于概率主题模型的文档聚类 王李冬1，一，魏宝刚1，袁杰1 (1．浙江大学计算机科学与技术学院，浙江杭州310027；2．杭州师范大学，浙江杭州310012) Allo． 摘要：为了实现普通文本语料库和数字图书语料库的有效聚类，分别提出基于传统LDA(LatentDirichlet 息联合进行主题建模．和传统方法不同，基于主题模型的聚类算法能将具备同一主题的文档聚为一类．实验结果表明 从主题分析角度出发实现的聚类算法优于传统的聚类算法． 关键词： 主题模型；LDA模型；TC—LDA模型；文档聚类 中图分类号：TP391 文献标识码： A 文章编号：0372—2112(2012)11—2346-05 DOI：10．3969／i．issn．0372-2112．2012，11．033 电子学报URL：http：／／www．ejoumal．org．cn Document BasedOnProbabilisticModel Clustering Topic WANG Jiel Li—dongl,2,WEIBao-gan91，YUAN Scienceand (1．CoZ姗eofComputer Technology，ZhejiangUniversdy，胁咿b“，Z^慨310027，Ch／na； 310012，Ch／na) 2．胁7192如“NormalUnivers毋，lt,wa,ou，Zhejiang Abst旧c【：To cluster of documentsand books，the basedOilLDA effectivelycorpusordinaly digital clusteringalgorithms modeland were modelnamed of TC—LDA TC—LDA，岫extensionLDA，is for proposed，respectively．Thetopic proposeddigital books for frombothofTextsandContents．Unliketraditional modelbased corpus clusteringm政hods，topic jointlytopicmodeling methodsclusterdocumentsina if 5haleonemorecolrffflOll evaluationdemonstratesthatour group or topics．Empirical approach they base