PAM概率主题模型研究综述

被引：3

作者：

余淼淼 ^{[1
]}

王俊丽 ^{[1
]}

赵晓东 ^{[1
]}

岳晓冬 ^{[2
]}

机构：

[1] 同济大学企业数字化技术教育部工程研究中心

[2] 上海大学计算机工程与科学学院

来源：

计算机科学 | 2013年 / 40卷 / 05期

关键词：

主题模型; PAM; 文档生成; 统计推断;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

近年来,主题模型逐渐成为计算机科学领域的一个研究热点,在自然语言处理、文本分类以及信息检索等方面都有很广泛的应用。介绍了概率主题模型的发展后,主要针对PAM模型及其改进的层次PAM和非参PAM进行了分析和比较,层次PAM可以更好地表达主题层次结构;非参PAM则是给定一个基于HDP的非参贝叶斯先验,对复杂结构的模型有更强的表现力。最后对PAM相关主题模型的理论及应用进行了总结,并对未来发展趋势进行了探讨。

引用

页码：1 / 7+23 +23

页数：8

共 13 条

[1] 基于MB-LDA模型的微博主题挖掘 [J].

张晨逸 ;

孙建伶 ;

丁轶群 .

计算机研究与发展, 2011, (10) :1795-1802

[2] 自然语言处理中主题模型的发展 [J].

徐戈 ;

王厚峰 .

计算机学报, 2011, 34 (08) :1423-1436

[3] 基于概率主题模型的标签预测 [J].

袁柳 ;

张龙波 .

计算机科学, 2011, 38 (07) :175-180

[4]

分层Dirichlet过程及其应用综述[J]. 周建英,王飞跃,曾大军.自动化学报. 2011(04)

[5] 一种改进的LDA主题模型 [J].

张小平 ;

周雪忠 ;

黄厚宽 ;

冯奇 ;

陈世波 ;

焦宏官 .

北京交通大学学报, 2010, (02) :111-114

[6] 基于LDA模型的主题分析 [J].

石晶 ;

范猛 ;

李万龙 .

自动化学报, 2009, 35 (12) :1586-1592

[7] 一种基于密度的自适应最优LDA模型选择方法 [J].

曹娟 ;

张勇东 ;

李锦涛 ;

唐胜 .

计算机学报, 2008, (10) :1780-1787

[8] 基于LDA模型的文本分割 [J].

石晶 ;

胡明 ;

石鑫 ;

戴国忠 .

计算机学报, 2008, (10) :1865-1873

[9] 基于Labeled-LDA模型的文本分类新算法 [J].

李文波 ;

孙乐 ;

张大鲲 .

计算机学报, 2008, (04) :620-627

[10]

Capturing correlations of multiple labels: A generative probabilistic model for multi-label learning[J] . Haiping Ma,Enhong Chen,Linli Xu,Hui Xiong.Neurocomputing . 2012

← 1 2 →