基于LDA特征扩展的短文本分类方法研究

针对短文本信息篇幅短、信息量少、特征稀疏的特点，提出一种基于LDA（Laten Dirichlet Allocation）主题模型特征扩展的短文本分类方法。该方法利用LDA模型得到文档的主题分布，然后将对应主题下的词扩充到原来短文本的特征中，作为新的部分特征词，最后利用SVM分类方法进行分类。实验结果表明，相比于传统的基于VSM模型的分类方法，基于LDA特征扩展的短文本分类方法克服了特征稀疏的问题，在各个类别上的查准率、查全率和F1值都有所提高，充分验证了该方法对短文本分类的可行性。