隐含狄利克雷分配相关论文
Latent Dirichlet Allocation(LDA)模型是近年来提出的一种具有文本主题表示能力的非监督学习模型。通过在传统LDA模型中融入文本......
随着互联网的不断发展，网络文本信息资源正在急剧增加，如何利用计算机自动有效地对海量的文本信息进行管理和查询成为了当前的迫切需......
针对传统基于特征提取的运动识别方法很大程度上依赖研究者的领域知识和训练样本的规模问题,提出一种基于主题的特征构建方法,使用......
随着大数据时代的来临,如何有效从海量的文本数据中挖掘和分析主题特征已成为学者们的研究重点。隐含狄利克雷分配（Latent Dirichle......
概率主题模型由于其优良的文档分析能力,被广泛应用于各种文本分析任务中.然而,网络中的文档数据除了含有基本的内容信息外,同时还......
随着互联网技术的发展,社会媒体在信息传播中扮演着重要的角色,社会媒体平台每天产生海量化的数据,蕴含着各个领域与行业多种信息......
三维模型检索领域中基于内容的检索方法不能充分表达模型语义信息。针对该问题，提出一种包含语义分类信息的三维模型检索方法。采用......
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......
传统隐含狄利克雷分配(LDA)主题模型在文本分类计算时利用Gibbs Sampling拟合已知条件分布下的未知参数,较难权衡分类准确率与计算......
针对短文本在情感极性判断上准确率不高的缺点,在隐含狄利克雷分配(latent Dirichlet allocation,LDA)的基础上提出一种适用于短文......
社会媒体数据的抽取,是社会舆论集散、新闻信息传播、企业品牌推广、商业营销拓展等研究和应用的基础,准确的抽取结果是数据分析有......
隐含狄利克雷分配（LDA,Latent Dirichlet Allocation）是一种用于挖掘文档集中潜在主题信息的无监督主题模型.而LDA模型的变形Labeled......
