BriefGPT.xyz
Jan, 2013
分解主题模型
Factorized Topic Models
HTML
PDF
Cheng Zhang, Carl Henrik Ek, Hedvig Kjellstrom
TL;DR
该论文提出了一种修改的潜在主题模型，通过引入新的先验知识在共享类别和私有类别方差的基础上分别编码，从而使模型更好地利用有监督和提高数据分类推断性能。该方法可以获得更有效的推理结果，并可以更直观地解释数据的信号和结构化噪声。在图像分类领域中表现良好。
Abstract
In this paper we present a new type of
latent topic model
, which exploits
supervision
to produce a
factorized representation
of the observ
→