一种基于潜在语义分析和直推式谱图算法的文本分类方法LSASGT

戴新宇; 田宝明; 周俊生; 陈家骏

您当前的位置：

首页 >

文章列表页 >

一种基于潜在语义分析和直推式谱图算法的文本分类方法LSASGT

论文 | 更新时间：2025-07-16

- 一种基于潜在语义分析和直推式谱图算法的文本分类方法LSASGT
- LSASGT:an Approach to Text Categorization Based on Latent Semantic Analysis and Spectral Graph Transducer
- 电子学报 2008年36卷第8期页码：1626-1630
- 作者机构：
  
  1. 南京大学计算机软件新技术国家重点实验室,江苏,南京,210093
  2. 南京师范大学计算机科学系,江苏,南京,210097
  3. 南京大学计算机软件新技术国家重点实验室江苏南京,210093
  4. 南京师范大学计算机科学系江苏南京,210097
- 作者简介：
- 基金信息：
  
  国家863高科技研究发展计划 (No.2006AA01Z143,No.2006AA01Z139);国家自然科学基金 (No.60673043);江苏省自然科学基金 (No.BK2006117)
- DOI：
  中图分类号： TP391
- 纸质出版：2008
- 稿件说明：
移动端阅览
戴新宇, 田宝明, 周俊生, 等. 一种基于潜在语义分析和直推式谱图算法的文本分类方法LSASGT[J]. 电子学报, 2008,36(8):1626-1630.

DAI Xin-yu, TIAN Bao-ming, ZHOU Jun-sheng, et al. LSASGT:an Approach to Text Categorization Based on Latent Semantic Analysis and Spectral Graph Transducer[J]. Acta Electronica Sinica, 2008, 36(8): 1626-1630.
戴新宇, 田宝明, 周俊生, 等. 一种基于潜在语义分析和直推式谱图算法的文本分类方法LSASGT[J]. 电子学报, 2008,36(8):1626-1630. DOI：

DAI Xin-yu, TIAN Bao-ming, ZHOU Jun-sheng, et al. LSASGT:an Approach to Text Categorization Based on Latent Semantic Analysis and Spectral Graph Transducer[J]. Acta Electronica Sinica, 2008, 36(8): 1626-1630. DOI：

摘要

本文针对训练数据较少以及在基于图的分类算法中的文本表示问题

提出了一种基于潜在语义分析技术和直推式谱图算法的文本分类方法LSASGT

该方法将潜在语义分析技术和直推式谱图算法这两种基于谱分析理论的技术有机地结合在一起

对所有训练数据和测试数据进行统一建模

挖掘数据中潜在的多种结构信息.LSASGT引入潜在语义分析技术用于构造文本图表示模型

在能够反映人的分类标准的潜在语义特征空间中

描述文本之间的语义相关性;基于这样的文本表示

利用半监督的直推式谱图算法进行文本分类.在基准英文文本分类数据集Reuters21578和中文文本分类数据集Tan-Corp上的实验结果表明

本文给出的LSASGT文本分类方法获得了较好的分类结果.

Abstract

In this paper

an approach to text categorization named LSASGT is proposed

which combines Latent Semantic Analysis(LSA) with Spectral Graph Transducer(SGT) for the task of text categorization.For both LSA and SGT are originated from spectral analysis theory which can mine some latent structure information within all training and testing data

we integrate them tightly in one model.Firstly

according to the characteristic of natural language

LSA is used to represent documents in a latent semantic space in which documents and their semantic relationships can be reflected more pertinently.Then we construct a graph based on the latent concept-based subspace

and apply the graph into SGT for text categorization.The experiments demonstrate that LSASGT can improve classification performance on both English and Chinese datasets of Reuters21578 and TanCorp-12.

关键词

Keywords

references

浏览量

1392

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于API潜在语义的勒索软件早期检测方法

有监督主题模型的SLDA-TC文本分类新方法

基于主动学习和否定选择的垃圾邮件分类算法

Tr-SLDA:一种面向交叉领域的迁移主题模型