基于Labeled-LDA模型的文本分类新算法

LDA(Latent Dirichlet Allocation)模型是近年来提出的一种能够提取文本隐含主题的非监督学习模型．通过在传统LDA模型中融入文本类别信息，文中提出了一种附加类别标签的LDA模型(Labeled-LDA)．基于该模型可以在各类别上协同计算隐含主题的分配量，从而克服了传统LDA模型用于分类时强制分配隐含主题的缺陷．与传统LDA模型的实验对比表明：基于Labeled-LDA模型的文本分类新算法可以有效改进文本分类的性能，在复旦大学中文语料库上micro_F1提高约5．7％，在英文语料库20newsgroup的comp子集上micro—F-提高约3％．