随着互联网技术的发展,网络逐渐成为人们获取消息的重要途径,互联网上的各类文本数据呈爆炸性增长,其中中文影视剧本的增长也尤为明显。对于文本分类的相关研究已经取得突破性进展,然而对于中文影视剧本的分类仍然需要借助人工经验,使得剧本分类工作具有成本高、效率低等特点。当前,鲜有针对中文影视剧本主题自动分类的相关研究,因此,本文将对剧本主题分类进行进一步的研究。本文在主题生成模型的基础上,借助自然语言处理技术,运用机器学习算法,提出一种新的混合模型:LDA结合SVM的混合模型。由于剧本的数据量大、稀疏等特点,首先利用TF-IDF算法建立带权重的剧本词语权重矩阵,同时,采用ISOMAP方法降低样本集的向量空间维度,降低处理复杂度,然后,将TF-IDF矩阵作为分类的输入参数;其次,对于LDA主题数确定方法,存在不准确、丢失可能隐含主题缺点,提出交叉熵结合困惑度的算法模型,进而确定LDA需要提取的最优主题数目,得到可能的主题数作为LDA输入参数;再次,传统主题生成模型借助于文档和段落、段落和语句、语句和词的相似性,而忽略了文本语句与语句之间的相似性,而LDA算法通过分析语句与语句之间、词与词之间的相似性可以弥补这一缺憾,因此,利用LDA算法挖掘剧本的隐含主题词,将LDA提取出的主题词作为最终分类的另一个输入参数;最后,由于单一核的SVM具有泛化能力弱和学习能力差等问题,因此针对剧本数据离散程度大等特点,使用提出的融合核(多项式核、条件正定核和高斯核)函数的SVM进行主题分类,得到最终剧本主题,该核函数有助于提高SVNM泛化能力以及主题抽取的精度。本文将经典的317篇剧本作为实验数据,并与KNN,贝叶斯,SVM的不同核函数的文本分类算法进行实验对比,结果表明本文提出的LDA-SVM算法能高效实现影视剧本的分类,剧本主题的最终分类准确率可以达到95%以上,其分类性能优于KNN,贝叶斯和普通SVM分类器。