论文研究基于半监督LDA的文本分类应用研究 .pdf

针对现有很多文本分类算法必须进行训练—测试—再训练的缺点以及通用模型的语法表现度较差等问题，提出一种改进的模糊语法算法（IFGA）。根据一些选取的文本片段建立学习模型；为了适应轻微变化，采用增量式模型

此文档中介绍的基于支持向量机的文本分类方法是网络舆情分析中常用的文本分类

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

为了调查食品尤其是包含复合香气的食品（如葡萄酒和酒精饮料等）中的气味活性化合物的构成机理，提出了一种将LDA模型应用于红酒气味与化学分子关系挖掘的方法。该方法在红酒风味数据集上，将红酒看作文档，气味和

为提高社区发现算法的运行效率，提出了一种基于节点相似度的半监督社区发现算法——SSGN算法。充分利用先验知识must-link、cannot-link约束集合，将先验信息通过衍生规则进行扩展，并对扩展

提出了一种基于特征项扩展的中文文本分类方法.该方法首先对文档的特征词进行分析,然后利用HowNet抽取最能代表主题的特征义原,接着根据这些义原对特征项进行扩展,并赋予扩展的特征项适当权值来说明其描述能

该研究论文详细介绍了基于BERT模型的中文短文本分类算法的原理和实现方法。通过使用BERT模型，可以有效地对中文短文本进行分类和处理。该算法在实际应用中表现出色，具有较高的准确率和鲁棒性。同时，论文还

将基于李群的半监督学习算法应用于医学数据集的降维以及药物的活性分析和毒性的预测分类当中

文本聚类属于无监督的学习方法，由于缺乏类信息还很难直接应用有监督的特征选择方法，因此本文提出了一种基于类信息的特征选择算法，此算法在密度聚类算法的聚类结果上使用信息增益特征选择法重新选择最有分类能力的

利用加入了分类指导信息的ICA（GuideIndependentcomponentsanalysis，G-ICA），在已知样本中提取隐藏在样本基因表达数据中与组织分类密切相关的各种表达模式，根据这些模