摘要：传统基于TF—IDF的向量空间模型的文本相似度计算存在高维、数据稀疏、缺乏语义和维度未归一等问题，基于其上的语义扩展的TF—IDF向量空间模型中部分解决了语义问题，但是其基于词典的词语相似度计算限制了其应用范围。提出了一种基于潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）的文本相似度计算方法，LDA模型可以在没有词典的情况下解决上述所有问题，通过吉比斯抽样方法将文本建模到主题空间，然后使用JS（Jensen—Shannon）距离来计算文本相似度。通过聚类实验表明该方法取得了较高的F值。

原文链接:http://www.cqvip.com//QK/97969A/201301/44492832.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）