摘要：针对传统随机森林算法在维度高、噪声大的文本分类上出现计算复杂度高和分类效果较差的问题,提出一种基于隐狄利克雷分配（ LDA）主题模型的改进随机森林算法.该算法利用LDA主题模型对原始文本建立 模型,将原始文本映射到主题空间上,保证了文本主旨与原始文本的一致性,同时也大大降低了文本噪声对分类 的影响;并且针对随机森林中决策树特征的随机选择方法,提出在决策树生成过程中,利用对称不确定计算各个 特征之间的相关性,从而可以降低不同决策树之间的关联度.最终在主题空间上利用改进的随机森林算法对文 本进行分类.经过实验证明,该算法在文本分类上具有良好的优越性.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社