Jun, 2012

Dirichlet - 多项式回归条件下的任意特征主题模型

PDF
TL;DR本文提出一种基于 DMR 主题模型的 log-linear 先验方法，以元数据特征为参数，以模拟文档中词汇的分布和主题的分布。实验结果表明 DMR 主题模型可以超越以往的主题模型，从而提高了对文档元数据的建模能力。
generative modelstopic modelingdirichlet-multinomial regressiondocument metadatalog-linear prior
发现论文，激发创造
  • 科学的相关主题模型

    本文提出了相关话题模型（CTM），通过逻辑正态分布，展现留言比例的相关性，我们还推导出了适用于该模型的快速变分推理算法，并将其应用于 Science 1990-1999 年间发表的文章，数据集包括 57M 词，证明 CTM 比 LDA 拟合效果更好，并将其作为大型文本集成探索性工具。

    Aug, 2007

  • 带有附加数据的文本主题分析

    使用文本数据和其他数据相结合的方式，提出了一种混合生成概率模型，通过神经网络和潜在话题模型相结合，对每篇文档进行话题分类，克服了潜在因素模型存在的问题，包括冷启动问题、不透明性和次优推荐问题。

    Mar, 2022

  • 作者与文档的作者 - 主题模型

    我们介绍了作者 - 主题模型，它是一种生成文档的模型，扩展了隐含狄利克雷分配（LDA），包括作者信息，应用于 NIPS 会议论文和 CiteSeer 摘要，具有估算主题和作者分布的 Gibbs 采样基础上的性能比较。

    Jul, 2012

  • 多标签文档分类的统计主题模型

    本文探讨生成性统计主题模型在多标签文档分类中的应用，相对于判别性模型，在包含大量稀有标签和高度倾斜标签分布等实际数据集的分类问题中有优越性。实验结果表明，相较于判别性方法，概率生成模型在多标签分类方面表现优异。

    Jul, 2011

  • 可扩展的广义动态主题模型

    本篇论文介绍了针对动态主题模型的一些新成果，包括将可计算先前从 Wiener 过程扩展到通用的高斯过程，提出了基于随机变分推理和稀疏高斯过程的可扩展近似推理方法，实验结果表明扩展模型可以发现以前无法找到的有趣模式。

    Mar, 2018

  • 文本分析的多项式逆回归

    本文提出一种简单的情感保留降维框架来处理文本数据，介绍了一种多项式逆回归的方法来简化多项式分布数据以获取伴随情感信息的文档低维表示，同时提出一种适用于高维数据的独立拉普拉斯先验的极大后验概率下的估算技术，探讨了情感分析在统计学、计量经济学和机器学习领域的相关研究，给出了先验规范的指导方针，并在两个详细实例上应用这些方法，提供了足够的外样本预测研究以说明它们的有效性。

    Dec, 2010

  • 分布式鲁棒性语言建模

    本文研究语言模型在未知测试分布下的性能问题，并提出了一种基于分布鲁棒性的优化方法，称为主题条件风险值（topic CVaR），该方法能够在广泛的潜在测试分布下表现良好，并且在使用 Yelp 评论和新闻混合训练语言模型，并仅在评论数据上进行测试时，相对于标准最大似然估计法（MLE），实现了 5.5 点困惑度的降低。

    Sep, 2019

  • 使用数据增强的改进贝叶斯逻辑回归监督主题模型

    本文介绍使用正则化常量和 Gibbs 采样算法的辅助泊松 - 伽马变量，增强 PF 主题模型的性能。实证结果表明，该算法可以显著提高预测性能和时间效率

    Oct, 2013

  • 监督式主题模型

    介绍了一种新的统计模型 —— 监督潜在狄利克雷分配（SLDA），应用变分方法处理难以计算的后验期望，解决回答类型的多样性并预测新文档的回答数值。与现代正则化回归以及无监督 LDA 分析相比，SLDA 有显著优势。

    Mar, 2010

  • 面向查询的多文档摘要的基于特征的贝叶斯模型

    本文提出了一种新的有监督方法，可以将丰富的句子特征合并到贝叶斯主题模型中，从而充分利用主题模型和基于特征的有监督学习方法进行查询焦点的多文档摘要， TAC2008 和 TAC2009 的实验表明了我们的方法的有效性。

    Dec, 2012