湖南省自然科学基金(11JJ5044)
- 作品数：3 被引量：8H指数：2
- 相关作者：谭文堂葛斌肖卫东殷风景王桢文更多>>
- 相关机构：国防科学技术大学国防科技大学更多>>
- 发文基金：湖南省自然科学基金国家自然科学基金国防科学技术大学优秀研究生创新基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 一种面向多文本集的部分比较性LDA模型被引量：5
- 2013年
- 跨时空、跨文化文本挖掘等比较性文本挖掘(comparative text mining,CTM)旨在从多个可比的文本集中发现各文本集隐含语义结构的异同.针对当前主要的CTM模型只能分析公共话题的缺陷,提出一种部分比较性跨文本集LDA模型(partial comparative cross collections LDA model,PCCLDA)来实现跨文本集的话题分析,该模型通过层次狄利克雷过程(hierarchical Dirichlet processes,HDP)把话题划分为公共话题和文本集特有话题,使模型能更加精确地对文本进行建模.模型采用Gibbs抽样方法进行参数推导,一系列包括Held-Out数据对数似然和模型困惑度指标在内的定量与定性的实验表明,模型不仅能够发现公共话题在不同文本集中的差异,而且能分析各文本集特有的话题;在Held-Out对数似然测度和模型困惑度指标上,PCCLDA相对当前两个主要的CTM模型具有较大的优势.
- 谭文堂王桢文殷风景葛斌肖卫东
- 关键词：GIBBS抽样
- 一种面向涌现的比较性话题模型被引量：2
- 2013年
- 提出一种CDCMLDA生成模型来实现跨文本集的话题分析,采用狄利克雷组合多项式模型(Dirichlet Compound Multinomial,DCM)对文本集中词的涌现现象进行建模,把DCM模型和LDA结合起来分析文本集之间话题的差异,采用蒙特卡罗期望最大化方法进行参数推导。在多个实际数据集中通过定性和定量的方法对模型进行评价,实验表明,模型不仅能够发现不同文本集间的异同,而且在模型困惑度指标上相对当前两种主要跨文本集的话题模型具有明显的优势。
- 谭文堂王桢文殷风景葛斌肖卫东
- 一种面向多文本集的部分比较性混合模型被引量：2
- 2013年
- 针对当前主要的CTM模型只能分析公共话题的缺陷,提出一种PCCMix混合模型来实现跨文本集的话题分析.该模型把多个文本集中的话题划分为公共话题和文本集特有话题,首先根据文本数据建立这两类话题在所有词上的概率分布,再使用期望最大化算法进行模型的参数估计.实验结果表明,该模型不仅能够发现公共话题在不同文本集中的差异,而且能分析各文本集特有的话题.模型能更精确地对文本建模,具有良好的性能.
- 谭文堂王桢文殷风景葛斌肖卫东
- 关键词：概率分布混合模型
