一种基于聚类的主题模型短文本分类方法

摘要

针对单个短文本的信息描述能力差的问题，提出了一种基于聚类的主题模型短文本分类方法。首先对短文本训练集的每一个类别进行聚类，把聚类得到的一簇类中的文本看成是讨论的同一个主题，再根据主题在类别中的概率分布以及词语在主题中的概率分布，随机生成新的具有较强描述能力的长文本，最后进行分类。实验表明，该方法在一定程度上弥补了短文本信息描述能力差的缺点，提高了分类性能。