山东大学学报(工学版)

作者：冯超,徐鲲鹏,陈黎飞

单位：1. 福建师范大学数学与信息学院，福建 福州 350117；2. 数字福建环境监测物联网实验室，福建 福州 350117

关键词：特征表示,符号序列,隐含狄利克雷分配,主题,分类,

基金：国家自然科学基金资助项目(61672157);国家自然科学基金资助项目(U1805263);福建师范大学创新团队资助项目(IRTL1704)

针对现有序列挖掘算法特征维度高、学习算法时间复杂度高等方面的不足，提出一种主题特征表示法，将符号序列转换为一组表示多个主题呈现度的概率向量。基于文本挖掘中常用的隐含狄利克雷分配(latent Dirichlet allocation, LDA)主题模型，视短序列元组为序列的浅层特征(词)，利用LDA模型学习算法提取主题及其概率分布，作为序列的深层特征。在6个实际序列数据集上进行试验，并与基于元组、Markov模型的现有方法作对比，结果表明，新方法在降低特征维度的同时提高了表示模型的学习效率，在符号序列分类应用中可以取得较理想的分类精度。

来源：2020年第2期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2020年第2期