Apr, 2014

主题模型的稳定性分析，需要多少主题？

PDF
TL;DR本文提出了一种基于术语稳定性分析策略的主题建模方法，该方法基于矩阵分解的主题建模方法在一系列语料库上得到验证，可以成功指导模型选择过程。
topic modelingthematic structurematrix factorizationmodel selectioncorpora
发现论文，激发创造
  • 主题模型的网络方法

    采用随机块模型方法，针对主题建模中存在的问题，提出了一种更具通用性和原则性的框架，该框架能够自动检测主题数和分级群集单词和文档，从而比 LDA 在统计模型选择方面提供更好的主题模型。

    Aug, 2017

  • TopicSifter：通过有针对性的主题建模交互式减少搜索空间

    本文提出一种基于非负矩阵分解的 TopicSifter 可视化分析系统，以帮助用户针对具体目标进行大规模文档检索，包括使用相关反馈来调整目标和优化主题模型以获得最相关的结果。

    Jul, 2019

  • 基于关键词属性的主题分析增强

    本文介绍了一种基于关键词属性的特异性评分方法，用于评估主题模型算法并选择最具信息的主题，结果表明这种方法可在信息损失更低的情况下压缩不同因素的最新主题建模结果。

    Mar, 2022

  • 基于查询的主题模型

    提出了一种新的查询驱动主题模型，可以允许用户指定一个简单的查询，并返回相关的主题，从而避免了领域专家的繁琐工作。实验结果表明，该模型相比于传统和神经主题模型更加有效。

    May, 2021

  • 内在确定主题数量的方法：是否可能？

    通过对几个公开可用的语料库上应用多种主题模型的各种方法的性能进行调查，揭示了内部方法并不可靠和准确，主题的数量是方法和模型相关的，而不是语料库的绝对属性。我们得出结论，应该开发其他解决这个问题的方法，并提出一些进一步研究的有希望的方向。

    Jun, 2024

  • 基于合成语料的主题建模算法新评估框架

    该论文提出了一种基于合成语料库的新框架，用于评估概率主题建模算法，通过比较标记在标记级别上的指定主题标签，能够量化种植和推断主题结构之间的一致性。通过实验，揭示了主题模型的相对强度随语料库特征变化的新见解，并首次证明了主题模型的 “不可检测阶段”。并预测了在真实世界语料库中应用的主题建模算法的性能。

    Jan, 2019

  • 使用 Word2Vec 进行话题的时间分析

    本研究提出了一种新的方法来检测和可视化主题的趋势，其中使用 k-means 聚类和余弦相似性模型来确定主题的移动路径与方向，并在各种媒体机构的文章数据集上进行了测试。

    Sep, 2022

  • 分析时间序列文档集的动态和静态主题模型

    本文提出一个动态和静态主题模型，能同时考虑时间上的主题演化和每个时间的主题层级结构，以此来分析结构化的时间序列文档。作者通过实验表明，该方法在科学论文集的主题提取方面优于传统模型，并展示了提取出的主题结构，以此来帮助对研究活动进行分析。

    May, 2018

  • 主题建模：超越标记输出

    该研究介绍了一种将传统主题建模方法的输出扩展到除了独立的令牌列表之外的新方法，通过提取高评分的关键词，并将其映射到主题模型的令牌输出，提高其可解释性。

    Jan, 2024

  • TopicAdapt - 一种企业间主题自适应方法

    该论文介绍了一种神经主题模型 TopicAdapt，可以从一个相关的源语料库中适应相关主题，并在目标语料库中发现源语料库中缺失的新主题，实验结果表明，该模型在多个领域的多个数据集上表现优于现有的主题模型。

    Oct, 2023