改进的互信息与lda结合的特征降维方法研究

《改进的互信息与lda结合的特征降维方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号密级ＵＤＣ编号中钟篇Ａ《幸硕ｉ学位论文攻进巧互信息与ＬＤＡ结合巧棘化译维方法研免学位申请人姓名；申请学位学生类别：全ｑＷ巧壬申请学位学科专业；计其机应巧拔术指导教师姓名；路利乂援ｚ？＼巧去学位论文＇ＭＡＳＴＥＲＳＴＨＫＳＴＳ硕±学位论文改进的互信息与ＬＤＡ结合的特征巧维方法研究论文作者：黄勇巧巧利親Ｓ学科专业：计Ｊｉｍｓ用技术研究方向：中文信息＾？诞华中！削ｉｍ学院２０１６年５月Ｚｍ６＼硕壬学位推文＇ＭＡＳＴＦＲＳＴＨＦＳｒＳＲｅｓｅａｒｃｈｏ

2、ｎｔｈｅＦｅａｔｕｒｅＤｉｍｅｎｓｉｏｎＲｅｄｕｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＭｕｔ：ｕａｌＩｎｆｂｒｍａ杜ｏｎａｎｄＬＤ乂ＡＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｉｎＰａｒｔｉａｌＦｕｌｆｉｌｌｍｅｎｔｏｆｔｈｅＲｅｕｉｒｅｍｅｎｔｑＦｏｒｔｈｅＭ．Ｓ．ＤｅｇｒｅｅｉｎＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＢｙＨｕａｎＹｏｎｇｇＰｏｓｔｒａｄｕａ化ＰｒｏｒａｍｇｇＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＣｅｎｔｒａｌＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＳｕｐｅ

3、ｒｖｉｓｏｒ：ＣｈｅｎＬｉ，ＡｃａｄｅｍｉｃＴｉｔｌｅ：ＰｒｏｆｅｓｓｏｒＳｉｎａｔｕｒｅｇＡｐｐｒｏｖｅｄＭａｙ．２０１６＼硕壬学位娩文／ｍ｜Ｍ＇ＡＳＴＥＲＳＴＨＦＳｆＳ华中师范大学学位论文原创牲声明和使用授权说明原名Ｊ牲京巧本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研巧工作所取得的研究成果。除文中己经标明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中［＾＾明确方式标明。本声明的法律结果由本人承担。作者签名：Ｉ巧曰期

4、：义口／各年＾月Ｚ曰学住冷文敕权使用援权书学位论文作者完全了解华中师范大学有关保留、使用学位论文的规定，即：研’究生在校攻读学位期间论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可Ｗ公布学位论文的全部或部分内容，可Ｗ允许采用影印、缩印或其它复制手段保存、汇编学位论文。（保密的学位论文在解密后遵守此规定）保密论文注释：本学位论文属于保密，在年解密后适用本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。，作者签名：４！导师签名：如Ｍ

5、名己目期：如５月２曰曰期年矣月节／占年＂＂本人已经认真阅读ＣＡＬＩＳ高校学位论文全文数据库发布章程，同意将本人的＂＂＂＂学位论文提交ＣＡＬＩＳ高校学位论文全文数据库中全文发布，并可按章程中的规’定享受相关权益－年□二年。同意论文提交后滞后：□半年；□；／ｆｔＡｈｒｆ＾作者签《：力导师签名：／曰期：父月Ｚ曰曰化月／户＾痴／ａｉ硕去学位推文｜＾‘’＇ＭＡＳＴＴＲＳＴ刖別ｓ摘要文本分类是文本挖掘中的一个热口研究领域。分类的流程包含关键的几个环一节，每个环节处理的合适与否都对文本分类的结果有定的影响，其中文本特征降一一

6、维是分类过程中最重要的环节么。如何将文本的特征有效的选择出来是目前个较热ｎ的研究课题。本文主要Ｗ文本特征选择中的互信息方法为研究对象，通过分析互信息特征选择方法存在的不足一，提出了种互信息特征选拝改进的方法。由于传统方法进行特征选挥时都是Ｗ数理统计为基础的，忽视了词项间的语义关系。结合ＬＤＡ主题模型在分类领域中的应用，通过将传统的特征选择方法与ＬＤＡ结合的思路来对文本进行特征降维，Ｗ便提高分类的效果。本文的主要工作如下；１、研究文献资料，在分析中文文本分类研巧的发展现状，重点Ｗ文本分类中互信息特征选择为例进行研究。分析互信息方法在做特征选

7、择时表现的不足，提出了一种互信息特征选择的改进方法。２、由于互信息特征选择方法没有将特征词的词頻信息１＾及文本类别之间的信息考虑进来，而只是考虑了特征词在文本集中的文本频率。针对这个问题在基于文一本词频互信息改进的基础上，引入类间离散度和类内分散度两个概念，提出了种特征词词频与类别区分词相结合的互信息特征选择方法，实验分析表明本文提出的改进方法能够使文本分类的效果得到一定程度的提高。３、针对传统方法在做特征选择时都是数理统计为基础的，并未考虑词项间的语义信息，将本文改进的互信息与ＬＤＡ相结合来对文本进行特征