LDA

摘要： 传统的推荐算法随着用户和项目的数量增多,新用户在单一项目上的行为减少,导致推荐质量较低,鉴于此,提出一种融合文档主题算法(LDA)和交替最小二乘算法(ALS)的混合协同过滤推荐算法.LDA-ALS算法结合了文档主题算法和交替最小二乘算法的优势,缓解因用户信息缺失造成的冷启动问题,并将高维的用户-项目评分矩阵映射到低维的近似矩阵中,有效缓解了数据稀疏性问题.实验结果表明:在Spark平台下,该算法在旅游数据集上比传统推荐算法降低了2.4％的误差,而且更能适应目前网络环境下的大数据处理.

摘要： 目的:解决压榨油茶籽油中掺入浸出油茶籽油的定量检测问题。方法:采用HS-SPME-GC-MS法对精炼浸出茶油和3种添加香精浸出茶油的关键香气成分进行测定和分析;将4种原香茶油和10种烤香茶油的香气成分相对含量与浸出茶油的香气成分相对含量进行对比,用浸出茶油中特有的香气成分作为特征数据进行Fisher判别分析,并建立LDA模型。结果:精炼浸出茶油中关键挥发性成分依次为(E)-2-癸烯醛、辛醛、(E)-2-壬烯醛和壬醛;3种添加香精的浸出茶油中特有的香精香气成分为2-甲氧基-3-甲基吡嗪、甲基环戊烯醇酮和2-甲基吡嗪。LDA模型对原香及烤香茶油的判别正确率分别达到84.0%和83.6%,能够鉴别原香及烤香茶油中掺伪比例为10%及以上的浸出茶油。结论:原香茶油的LDA模型能够很好地鉴别出添加茶油香精的浸出茶油,但烤香茶油的模型无法鉴别。

摘要： 射频识别(RFID)技术应用广泛,但移动对象RFID轨迹(RFID-STR)数据挖掘研究较少,不能体现数据的社会和应用价值。针对数据预处理难度大、缺乏有效语义轨迹挖掘方法、知识可视化技术少等问题,结合过程发现、LDA模型、聚类算法、轨迹数据可视化等技术,把RFID-STR数据映射到业务过程模型,提出基于LDA的RFID-STR数据特征知识提取方法,重点阐述RFID-STR数据挖掘方法的轨迹数据预处理、轨迹知识提取和知识可视化阶段。为解决RFID数据的轨迹搜索与分析技术提供新的技术途径。

摘要： 鉴于在目前的技术机会识别中存在研判的创新路径往往较为抽象和模糊,并在很多情况下需领域专家参与解读的问题,以冷库技术为例,研究构建基于文本挖掘、机器学习算法及多维空间专利地图的技术创新路径识别模型。首先,构建技术创新路径识别框架对相关专利文献进行分词、清洗等预处理并建立知识图谱;其次,采用融合词频-逆文档频率(TF-IDF)文本挖掘方法对专利文档提取关键词,继而采用隐含狄利克雷分布(LDA)算法对主题聚类降维并萃取创新维度;再次,依据目标技术问题和目标优选创新法则耦合变换于多维空间专利地图并具象出具有现实意义、有价值前景的创新路径;最后,利用可拓学计算各创新路径综合关联度评级优选。以期减少创新成本、提高创新效率,为企业精准开展技术创新、不断提升核心竞争力提供决策参考。

摘要： 电商平台信息对消费者的商品购买决策有显著影响。基于大体量的店铺与商品信息、在线评论文本进行信息融合并得出在线商品排序辅助消费者进行购买决策,具有重要的研究价值。针对上述问题,提出了一种融合多层次情感和主题信息的TS-AC-EWM在线商品排序方法,充分利用了评分信息与评论内容信息。首先,从计量与内容两个维度设计在线商品排序评价体系,体系包含4个计量指标与3个内容指标;其次,爬取各候选商品的计量指标与在线评论内容;然后,用融合主题与情感信息的TS方法以及基于追加评论的AC方法计算3个内容指标;最后,用熵权法确定指标权重,得出商品评分及排序。以京东微波炉数据集为例进行实验,证明了所提方法的可行性与有效性,因此该排序方法具有一定的现实意义。

摘要： [研究目的]研究舆情话题的漂移路径,以期描述舆情事件发展过程中话题之间的来龙去脉。[研究方法]以“新冠肺炎”疫情事件为例,通过词特征分析得出从特征词的微观视角研究话题漂移的可行性;基于LDA话题模型对不同时间片中的微博文档进行话题抽取并结合词热度特征计算漂移概率,进而描绘出话题在时间片上的漂移路径。通过设计对比实验,验证方法的有效性。[研究结论]在话题漂移的过程中,尽管两个话题的内容有较大差异,但往往包含着一些相同的特征词,且共有特征词在不同话题上的热度呈现出不同的变化趋势。

摘要： 随着大数据时代的到来,互联网技术飞速发展。为在竞品当中脱颖而出,获得竞争优势,过度竞争趋势在互联网企业中逐渐显现,由此引发公司营销成本的上升以及营销绩效的下降等许多问题。针对上述问题,本文依靠美颜相机用户数据,利用LDA模型建立用户画像,通过提取主题词得到相应的主题分布;将选取的对应词扩充到特征空间中,完善用户特征,再利用SVM分类算法区分用户基本属性,进而构建用户画像。根据建立用户画像结果,给出精准营销策略建议。

摘要： 针对隐含狄利克雷分布(LDA)模型特征提取时忽略语义信息的问题,提出一种融合LDA和全局文本表示(GloVe)模型的病症文本聚类算法LG&K-Medoide。首先,利用LDA对病症文本数据建模,采用JS(Jensen-Shannon)距离计算文本相似度;其次,利用GloVe对病症文本数据建模获取词向量,根据病症词性贡献度,对词向量权重进行标注,采用余弦距离计算基于GloVe建模加权的文本相似度;最后,将两种相似度进行结合,改进距离公式,实现K-Medoide聚类。实验结果表明,LG&K-Medoide算法较基于LDA,LDA+TF-IDF,LDA+Word2Vec模型的聚类算法具有较高的精度。

摘要： 文章针对微博舆情事件,搜集相关讨论并划分不同主题进行分析,结合情感分析与LDA主题模型,把握网民对舆情事件的不同态度,为国货及相关领域提供借鉴意义。文章搜集微博话题“H&M禁用新疆棉”的相关评论,处理数据得到高频词,进一步将话题细化为两个部分,分别绘制词云图并计算TF-IDF值,使用Snow NLP计算情感分数,制作情感分数图。同时进行LDA主题模型划分主题,深入掌握各主题下的讨论热点。结果表明,网民不仅围绕“H&M禁用新疆棉”本身话题进行讨论,同时对李宁等国货进行讨论,通过情感分析得出网民对“禁用新疆棉”事件的情感态度持负面,对国货产品的情感态度持正面,但针对国货的相关讨论,较多关注明星及相关代言人,未真正触及国货产品本身。

摘要： 科学知识图谱在趋势研究、热点发现、学科发展研究方面具有重要意义。本文提出基于LDA与加权Word2vec的科学知识图谱构建方法,实现文本-词向量-知识图谱的一系列转化。首先利用LDA模型抽取信息服务领域期刊数据的主题及关键词,接着采用Word2vec获取词向量并通过加权得到主题向量,进而计算主题相似度与重要度,最后以可视化方法构建主题共现图谱和主题演化图谱。研究表明,该方法能够从语义层面有效揭示信息服务领域的现阶段研究方向和研究热点、各阶段研究侧重点与关键主题演化路径。

摘要： 多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表明，该方法所得到的文摘，性能优于传统的文摘方法。

摘要： 多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表明，该方法所得到的文摘，性能优于传统的文摘方法。

摘要： 多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表明，该方法所得到的文摘，性能优于传统的文摘方法。

摘要： 多文档自动文摘能够帮助人们自动、快速地获取信息，本文实现了一个基于主题模型的中文多文档自动文摘系统，其中主题模型采用浅层狄利赫雷分配(LatentDirichlet Allocation，LDA)，该模型是—个多层的产生式概率模型，能够检测文档中的主题分布。该方法使用LDA为多文档集合建模，通过计算句子在不同主题上的概率分布之间的相似度作为句子的重要度，并根据句子重要度进行文摘句的抽取。实验结果表明，该方法所得到的文摘，性能优于传统的文摘方法。

摘要： 本文提出了一种基于新的Gabor特征提取的人脸识别方法。该方法利用Gabor变换进行眼睛坐标定位,选取眼睛附近最有利于人脸识别的特征点,构造新的Gabor特征,采用线性鉴别分析方法(LDA)进行人脸识别。在YALE、ORL、FERET人脸库上的实验证明了该方法的有效性。

摘要： 本文提出了一种基于新的Gabor特征提取的人脸识别方法。该方法利用Gabor变换进行眼睛坐标定位,选取眼睛附近最有利于人脸识别的特征点,构造新的Gabor特征,采用线性鉴别分析方法(LDA)进行人脸识别。在YALE、ORL、FERET人脸库上的实验证明了该方法的有效性。

摘要： 本文提出了一种基于新的Gabor特征提取的人脸识别方法。该方法利用Gabor变换进行眼睛坐标定位,选取眼睛附近最有利于人脸识别的特征点,构造新的Gabor特征,采用线性鉴别分析方法(LDA)进行人脸识别。在YALE、ORL、FERET人脸库上的实验证明了该方法的有效性。

摘要： 本文提出了一种基于新的Gabor特征提取的人脸识别方法。该方法利用Gabor变换进行眼睛坐标定位,选取眼睛附近最有利于人脸识别的特征点,构造新的Gabor特征,采用线性鉴别分析方法(LDA)进行人脸识别。在YALE、ORL、FERET人脸库上的实验证明了该方法的有效性。

摘要： 通常面部特征主要指颜面局部有色素痣或斑等足以区别与他人的特征。由于对这类人脸的识别方法研究甚少,所以本文针对人脸图像的特殊性,采用了Gabor小波变换和LDA分析相结合的方法并在ORL人脸库上进行了实验,结果表明采用人脸而部局部Gabor特征和全局LDA特征相融合的方法对于提取这些特殊人脸图像特征非常有效。

摘要： 通常面部特征主要指颜面局部有色素痣或斑等足以区别与他人的特征。由于对这类人脸的识别方法研究甚少,所以本文针对人脸图像的特殊性,采用了Gabor小波变换和LDA分析相结合的方法并在ORL人脸库上进行了实验,结果表明采用人脸而部局部Gabor特征和全局LDA特征相融合的方法对于提取这些特殊人脸图像特征非常有效。

摘要： 本发明公开了一种结合LDA主题模型和GloVe词向量技术的API推荐方法。本发明通过挖掘语料库中的全局统计信息，利用LDA主题模型获得单词和API的主题概率分布；同时基于语料库中的局部上下文信息，利用GloVe词向量技术生成单词和API的词向量。最后综合主题概率分布之间的相似度和词向量之间的相似度计算出单词和API之间的相关性，并根据相关性从大到小排序得到API推荐列表。本发明同时使用语料库的全局统计信息和局部上下文信息来获取语义信息，使得相似度的计算更加准确；本发明使用随机打乱策略打乱文档中的单词和API，提高单词和API出现在一个窗口中的概率，有效提高从局部上下文信息中获取语义信息的能力，提高API推荐的准确性。

摘要： 本发明公开了一种基于ALBERT和LDA的跨域情感分类方法，首先进行模型训练与数据的预处理，使用训练数据集对ALBERT模型进行训练，得到用于对目标领域数据检测的ALBERT模型，同时，使用目标领域的数据集进行主题模型训练，得到用于文本主题信息提取的LDA模型；随后针对输入的文本信息进行处理，使用ALBERT对该数据进行处理，得到处理后的向量，同时将该文本输入至LDA模型进行主题信息检测，得到文本主题信息，将处理后的向量与文本主题信息进行结合，输入到一个自适应分类器之中进行情感分类，最终输出情感分类标签。本发明实现了多领域文本的分类，避免了扩充目标领域训练数据集的问题，提升了模型的训练时间，减少了空间复杂度。

摘要： 本发明公开了一种基于改进的LDA‑GSVD织物图像瑕疵分类方法及系统，本发明方法包括：S1、对织物图像进行特征提取，得到特征矩阵X，标签矩阵H；S2、将数据集样本随机分为带标签的训练样本Xtrain和带标签的测试样本Xtest；S3、利用类间离散权系数和类内紧凑权系数，计算增加局部几何信息后的类内散射矩阵SW和类间散射矩阵SB；S4、利用重新定义的和得到GSVD所需的和的矩阵对，S5、通过改进后的线性判别分析模型得到最优的投影矩阵W，将测试样本Xtest通过投影矩阵W到新的子空间得到Y，并利用KNN分类器确认测试集样本标签。本发明能够解决传统LDA存在的缺乏局部几何信息和小样本高维的问题，有效提高织物图像瑕疵分类准确度和效率。

摘要： 本发明公开了一种基于TF‑IDF和LDA的应急事件辅助决策方法，属于轨道交通领域，包括S1：从预案库中获得应急事件的文档数据，并进行预处理操作，构成一个语料库；S2：对语料库中的每个文档建立模型，获得每个文档与应急预案的概率，以及归属于不同应急预案的关键词；S3：根据实际情况，将获得的文档对应每个应急预案的概率进行修正，并作为对应关键词集合的隶属度；S4：采集当前应急事件的数据，获得该文档的关键词条；S5：将关键词条与之前获得的不同应急预案关键词集合进行匹配，通过求和方式获得与每个预案的关联度；S6：综合当前应急事件形成文档的关键词与应急预案的关联度，选择关联度最高的应急预案作为最佳的预案；该方法准确性高，易于应用。

摘要： 本发明涉及一种基于小波包分解和LDA降维的整流器故障诊断方法，包括以下步骤：将整流桥输出电压作为采样信号，对采样信号进行小波包变换分解7层后得到128个频段的能量指数，将能量指数作为中间特征向量并采用线性判别分析(LDA)技术将中间特征向量映射至三维空间得到新的含三个特征的最终特征向量，再使用支持向量机对最终特征向量进行分类诊断，利用灰狼算法对支持向量机分类器完成向量机内部的参数寻优以增强分类能力，最终获得分类诊断结果。利用MATLAB软件进行仿真发现，三相全桥整流器的故障诊断效率达到了100％，具备很好的适应性，对其他类型的电子电路诊断也具有借鉴意义，具备规模性应用的价值。

摘要： 本申请公开基于LDA主题模型的文本分类系统、方法和警情分类系统和方法，所述文本分类方法包括：采集待分类文本；对所述待分类文本分词，基于词袋模型，构件所述待分类文本的文本和文本中词的tf‑idf向量集；通过LSA算法，基于所述待分类文本的文本和文本中词的tf‑idf向量集，拟合LDA主题模型中文本、文本主题以及文本中词的两两相关的分布。

摘要： 本发明提出了一种基于LDA和向量空间模型的公共政策参与度评估方法及系统，其方法包括：获取目标公共政策文档和目标动态数据；采用TF‑IDF算法分别对目标公共政策文档和目标动态数据进行分词处理，得到文档特征分词集合和数据特征分词集合；通过LDA模型分别提取目标公共政策文档和目标动态数据中隐含的语义信息，得到文档‑数据矩阵；基于文档特征分词集合和数据特征分词集合构建向量空间模型，计算出目标公共政策文档与目标动态数据之间的相似度，得到相似度矩阵；对文档‑数据矩阵和相似度矩阵进行线性加权处理。本发明能够对公共政策中的公民参与度进行有效评估，同时也解决了数据稀疏和语义丢失的问题，提高了评估的准确性和有效性。

摘要： 本发明提出了一种基于改进加权LDA模型的话题发现方法及系统，其方法包括：采集特定情况下的多源样本数据集，将多源样本数据集转换为可描述的文档，并进行预处理，得到文本数据；采用TextRank算法来提取文本数据中的关键词，并计算各关键词的权重值；基于各关键词的权重值构建加权LDA模型，并对加权LDA模型进行优化训练，得到用于话题发现的LDA模型；获取新的多源数据，将其转化为测试文本，输入至用于话题发现的LDA模型中得到测试文本的话题。本发明解决了现有技术中话题提取过于片面，不能准确地概括出整个文本核心内容的问题，通过改进的加权LDA模型，能够更有效的抽取其中的隐藏主题，选取出更加合理的话题。

摘要： 本发明公开了一种融合TFIDF和LDA实现抽取式文本摘要方法。基于融合TFIDF（Term Frequency Inverse Document Frequency）和LDA（Latent Dirichlet Allocation），综合词位置、词性、词长、词跨度等特征调整词素的权重取值，使用最大边缘相关性最终过滤，选择top‑N个句子。为了衡量本发明的优劣，采用准确率、召回率和F1值作为衡量标准。爬取人民网自2021年1至8月的5000篇新闻数据作为数据集，该数据按照话题划分，并且专家标注了摘要的句子。与TFIDF、LDA和TextRank算法对比，本文方法在三个指标上均处于优势，值得推广应用。但是该方法也有不完善的地方：一是计算工作量大，运行时间长、二是仅在具有鲜明主题的文档上的应用效果较好。

摘要： 本发明公开了光纤传输系统、基于LDA简化非线性均衡器的方法及模块，本发明方法步骤如下：发送端信号经过光纤传输后获得接收端信号，采样获得信号；根据非线性均衡器获得最佳性能时的抽头数量构建特征矩阵，其中每列数据为该时间点的原始特征向量，并从中抽取训练序列；LDA根据训练序列的标签寻找最合适的投影方向，将高维空间的样本映射到低维空间中；提取LDA运算结果，获得降维后重新构建的特征矩阵，根据降维后特征矩阵中对于每个样本的特征数，重新构建非线性均衡器；利用自适应算法，在训练集上调整基于重新构建的非线性均衡器的抽头系数，得到训练好的非线性均衡器；将需均衡的信号输入非线性均衡器，对均衡器输出进行判决，实现信道均衡。