基于LDA-SVM算法模型对唐宋诗词分词及特征的计量分析

基于统计量化分析法对我国唐宋诗词的用词进行研究，综合运用数理统计数据处理方法和其他方法，建立了余弦相似度算法模型和隐含狄利克雷分布(Latent dirichlet allocation, LDA)模型，验证了字词能够很好地代表不同诗词的风格和主题，进一步根据LDA模型分别选取了唐宋时期各3个主题和30个关键词，证明主题和关键词对唐宋诗词分类有显著的相关性，并取得了很好的分类效果，最后运用支持向量机(Support vector machines, SVM)算法模型验证了题目、风格和用词等变量对题材分类产生影响的假设，进一步验证了LDA模型结果，也为唐宋诗词的分类和本体研究提供了科学依据。