Feb, 2014
潜在树模型及其应用调查
A Survey on Latent Tree Models and Applications
Raphaël Mourad, Christine Sinoquet, Nevin L. Zhang, Tengfei Liu, Philippe Leray
TL;DR本文综述了一种称为潜在树模型的概率图模型,其通过树形结构和潜在变量的捕捉来解决数据分析中的困难,包括潜在结构发现、多维聚类和概率推断等。
Abstract
In data analysis, latent variables play a central role because they help
provide powerful insights into a wide variety of phenomena, ranging from
biological to human sciences. The →
发现论文,激发创造
学习潜在树图模型
本文提出了两种一致且计算效率高的算法,用于学习最小化的潜在树图模型,并与其他现有方法进行了比较,所提出的算法在隐藏马尔可夫模型和星形图等各种潜在树图模型上进行了详尽的数值实验。
Sep, 2010
层次主题检测的潜在树模型
我们提出了一种新颖的分层主题检测方法,使用层次潜在树模型来对文档进行聚类并检测主题,该模型使用二元变量来表示文档中单词的存在 / 缺失,并利用树形结构建模主题和单词之间的关系,因此不需要引用文档生成过程,有助于发现有意义的主题和主题层次结构。
May, 2016
多元潜变树结构的频谱方法学习
该研究考虑了多元线性树模型的结构学习问题,引入了一种基于谱递归分组算法的底层向上过程以从观察到的变量的独立样本中恢复树结构,并给出了确切恢复树结构的有限样本大小界限,这些界限基于潜在联合分布的统计和结构属性,并且样本复杂度保证不依赖于观察变量维度,因此适用于许多高维设置。
Jul, 2011
潜在树语言模型
本文介绍了潜在树语言模型(LTLM),该模型将给定句子的语法和语义编码为单词角色树。将 LTLM 与 4 元修改 Kneser-Ney 语言模型相结合,通过线性插值,在英语和捷克语语料库中的实验表明,与独立的 4 元修改 Kneser-Ney 语言模型相比,明显降低了困惑度(英语最高降低 46%,捷克语最高降低 49%)
Jul, 2016
潜变量动态网络模型综述
本文回顾了动态网络的统计建模方法。我们重点介绍具有潜在变量的模型,特别是潜在空间模型和潜在类模型,旨在研究网络的观察特征和未观察结构。同时,我们还总结了这些动态模型在文献中研究的应用,并列出了数据来源。在此基础上,我们概括了动态网络建模中潜在变量存在的几个开放性问题和挑战。
Nov, 2017