摘要：基于词的向量空间模型是文本分类中的传统的表示文本的方法。这种表示方法的一个缺点是忽略了词之间的关系。最近一些使用潜在主题文本表示的方法，如隐含狄利克雷分配LDA（Latent Diriehlet Allocation）引起了人们的注意，这种表示方法可以处理词之间的关系。但是，只使用基于潜在主题的文本表示可能造成词信息的损失。我们使用改进的随机森林方法结合基于词的和基于LDA主题的两种文本表示方法。对于两类特征分别构造随机森林，最终分类结果通过投票机制决定。在标准数据集上的实验结果表明，相比只使用一种文本特征的方法，我们的方法可以有效地结合两类特征，提高文本分类的性能。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社