Go To English Version 超过100万源码资源，1000万源码文件免费下载
共 1613 条 ，仅显示前1000条
源码资源搜索结果

关键字：LDA

  • 论文研究-基于LDA和K均值的微博用户聚类研究 .pdf 基于LDA和K均值的微博用户聚类研究，白友东，庄伯金，近年来互联网飞速发展，微博已经成为信息交流和传播的一个重要的平台。本文以中国最大的社交微博网站新浪微博为研究对象，利用LDA
  • 论文研究-基于规则化的改进LDA算法 .pdf 基于规则化的改进LDA算法，郭礼华，，由于线性鉴别分析（LDA）可以从高维特征空间中选择强鉴别属性的低维子空间，所以这种技术已经应用到很多的科学工程领域中。本文针
  • 论文研究-基于LDA的扩展用户感兴趣词的半监督文本聚类算法 .pdf 基于LDA的扩展用户感兴趣词的半监督文本聚类算法，李解，秦永彬，现阶段大部分半监督文本聚类算法因为监督信息的形式对用户来说难以实现而导致算法的应用范围十分有限，并且用户能提供的监督信息
  • 论文研究- 基于2D-LDA的低分辨率人脸识别 .pdf 基于2D-LDA的低分辨率人脸识别 ，赵迪，陈振学，在处理视频监控中的人脸识别时，低分辨是一个具有挑战性的问题。为了解决这个问题，本文提出了一种基于二维线性判别分析（Two-dimen
  • 论文研究-一种基于LDA模型的主题句抽取方法.pdf 在基于Web的主题关键词查询扩展，获取候选主题句的基础上，提出一种基于LDA模型的主题句抽取方法，以抽取粒度较细的主题信息，并增加主题信息的置信度。该方法通过多个侧面对目标主题的衬托，采用LDA模型对主题信息进行建模，利用各个主题概率分布的平滑度进行候选句的可信度计算来抽取主题句。在面向Web的主题句抽取的具体应用中，取得了较好的效果。
  • 论文研究-混合词汇特征和LDA的语义相关度计算方法.pdf ... 然而其语义相关度计算因为有大量冗余概念的参与变成了一种高维度、低效率的计算方式，同时也忽略了文本所属主题因素对语义相关度计算的作用。引入LDA（Latent Dirichlet Allocation）主题模型，对ESA返回的相关度较高的概念转换为模型的主题概率向量，从而达到降低维度和提高效率的目的；将JSD距离（Jensen-Shannon ... 计算更加合理和有效。最后对不同层次的数据集进行算法的测试评估，结果表明混合词汇特征和主题模型的语义相关度计算方法的皮尔逊相关系数比ESA和LDA分别高出3%和9%以上。
  • 论文研究-结合LDA和谱聚类的多文档摘要.pdf 自动文摘技术的目标是致力于将冗长的文档内容压缩成较为简短的几段话，将信息全面、简洁地呈现给用户，提高用户获取信息的效率和准确率。所提出的方法在LDA（Latent Dirichlet Allocation）的基础上，使用Gibbs抽样估计主题在单词上的概率分布和句子在主题上的概率分布，结合LDA参数和谱聚类算法提取多文档摘要。该方法使用线性公式来整合句子权重，提取出字数为400字的多文档摘要。使用ROUGE自动摘要评测工具包对DUC2002数据集评测摘要质量，结果表明，该方法能有效地提高摘要的质量。
  • 论文研究-基于LDA特征扩展的短文本分类.pdf 针对中文短文本篇幅较短、特征稀疏性等特征，提出了一种基于隐含狄利克雷分布模型的特征扩展的短文本分类方法。在短文本原始特征的基础上，利用LDA主题模型对短文本进行预测，得到对应的主题分布，把主题中的词作为短文本的部分特征，并扩充到原短文本的特征中去，最后利用SVM分类方法进行短文本的分类。实验表明，该方法在性能上与传统的直接使用VSM模型来表示短文本特征的方法相比，对不同类别的短文本进行分类，都有不同程度的提高与改进，对于短文本进行补充LDA特征信息的方法是切实可行的。
  • 论文研究-基于LDA和CTR的用户模型分析.pdf 个性化服务一直是研究的热点，但是如何构建完整的用户模型是一个颇有挑战性的问题。将基于主体模型LDA对用户模型进行预测，在用户和推荐项目的特征向量上采用CTR进行约束，使结果更为准确。在只需要少量人为因素下，由机器来训练最初的主题模型，在训练模型的基础上，通过选取100名用户的微博作为测试，用等级打分制来对推荐的项目进行打分，最终的结果显示，在新闻推荐上，微观满意度达到82.5%；而在名人推荐上，微观满意度达到了84.3%，综合以上，推荐服务的满意度还是令人满意的。
  • 论文研究-融合LDA和多类SVM的图像语义映射研究.pdf 建立图像低层特征到高层语义的映射是图像语义检索的关键问题之一，SVM是其中行之有效的方法。为了便于规则生成，将模糊C均值聚类SVM多类分类方法应用于图像语义映射。但由于异类图像特征常常混杂，最终形成的二叉树分支一般很多，映射准确率下降明显。为此，将线性判别分析法引入二叉树建树过程中，通过聚类之前先对特征优化处理来改进算法性能。实验结果表明该方法建立起了更便于理解的分类树结构且LDA的引入使得映射准确率有所提高，满足了图像语义映射的要求。