一种结合有监督学习的动态主题模型
针对传统主题模型存在的不足,提出一种新的结合有监督学习的动态主题模型(Supervised Dynamic Topic Model,S-DTM).该模型不仅能够随时间的变化对语言进行动态建模,而且结合有监督学习技术,在主题变分推理中加入标签约束,从而建立主题与标签之间的映射关系,提高主题的表达解释能力.通过在一个跨越25年“以自然语言处理领域的中文期刊论文为主导”的中文语料库上的实验,证明该模型相较于静态的有监督主题模型和无监督的动态主题模型,具有更好的语义解释概括能力,能更准确地反映文档的主题结构,更精确地捕捉主题-词汇概率分布的动态演化.
有监督学习、动态主题模型、变分推理
51
TP18(自动化基础理论)
国家自然科学基金61202232,71271034;中央高校基本科研业务费3132014307
2017-01-18(万方平台首次上网日期,不代表论文的发表时间)
共10页
367-376