摘要：目前對于中文影視劇本的分類主要借助人工經(jīng)驗,具有成本高、效率低等特點.當前沒有針對中文影視劇本主題自動分類的相關研究,本文將對主題提取進行研究,傳統(tǒng)主題生成模型借助于文檔和段落、段落和語句、語句和詞的相似性,而忽略了文本語句與語句之間的相似性.首先,采用ISOMAP方法降低樣本集的向量空間維度;其次,提出交叉熵結合困惑度的算法模型,進而確定LDA需要提取的最優(yōu)主題數(shù)目;最后,通過劇本-主題的方式,利用LDA算法挖掘劇本的隱含主題詞,同時利用SVM對主題詞做出進一步的分類.