|
|||||
|
|
| 基于主题模型的改进随机森林算法在文本分类中的应用 | |
| 作者单位： | ;1.江南大学物联网工程学院 |
| 摘 要： | 针对传统随机森林算法在维度高、噪声大的文本分类上出现计算复杂度高和分类效果较差的问题,提出一种基于隐狄利克雷分配(LDA)主题模型的改进随机森林算法。该算法利用LDA主题模型对原始文本建立模型,将原始文本映射到主题空间上,保证了文本主旨与原始文本的一致性,同时也大大降低了文本噪声对分类的影响;并且针对随机森林中决策树特征的随机选择方法,提出在决策树生成过程中,利用对称不确定计算各个特征之间的相关性,从而可以降低不同决策树之间的关联度。最终在主题空间上利用改进的随机森林算法对文本进行分类。经过实验证明,该算法在文本分类上具有良好的优越性。 |
| 关 键 词： | 隐狄利克雷模型 主题模型 随机森林 特征评估 文本分类 |
IMPROVED RANDOM FORESTS ALGORITHM BASED ON TOPIC MODEL AND ITS APPLICATION IN TEXT CLASSIFICATION |
|
| Abstract: | |
| Keywords: | |