Jul, 2019

TopicSifter：通过有针对性的主题建模交互式减少搜索空间

PDF
TL;DR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。
topic modelingdocument retrievalvisual analyticsnonnegative matrix factorizationrelevance feedback
发现论文，激发创造
  • 主题模型的稳定性分析，需要多少主题？

    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。

    Apr, 2014

  • 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

  • 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

  • 科学论文大型单主题文献库的交互式蒸馏

    利用机器学习技术构建针对科学文献的目标数据集工具，并通过主题建模进行文献综述，应用于机器学习领域。

    Sep, 2023

  • 大规模评估主题模型和降维方法在二维文本空间化中的应用

    基于主题模型和降维的大规模基于基准的计算方法有效地设计文本空间化，t-SNE 在降维中的适用性得到验证。

    Jul, 2023

  • 学习主题模型 —— 走出奇异值分解

    该论文从理论上证明了利用非负矩阵分解（NMF）作为主要工具来实现主题模型学习算法的可行性，具有学习效率高，不需要数据满足某些限制条件等优点，可用于包含主题 - 主题相关性的模型。

    Apr, 2012

  • 关键词协助主题模型

    本文提出了一种关键词辅助的主题模型，通过提供一小部分关键词，可以大大提高主题模型的测量性能，该模型具有更好的可解释性和文档分类性能，并且对主题数量的敏感性较小。

    Apr, 2020

  • MPTopic: 通过遮蔽置换预训练优化主题建模

    通过引入 TF-RDF 方法和 MPTopic 聚类算法，本研究展示了通过 MPTopic 和 TF-RDF 的协同作用识别出的主题关键词优于 BERTopic 和 Top2Vec 提取的关键词。

    Sep, 2023

  • 主题标签的自动生成

    本文提出了一种基于序列到序列神经网络的方法，用于为主题生成描述性标签，同时使用合成的数据集进行训练和测试，并通过与人工标注的标签进行比较评估该方法。

    May, 2020

  • 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