基于深度学习框架的隐藏主题变量图模型

基于深度学习框架的隐藏主题变量图模型
吴蕾;张文生;王珏
【期刊名称】《计算机研究与发展》
【年(卷),期】2015(52)1
【摘要】隐藏主题变量图模型是一种用节点表示潜在主题或者潜在主题变化的概率图模型.针对当前隐藏主题变量图模型只能提取单层主题节点的缺陷,提出一种基于深度学习框架的提取多层主题节点的概率图模型.该模型在隐藏主题变量图模型的底层增加预处理结构层,即引入自组织映射层,可以有效地提取不同层次的主题状态.另外,隐藏主题变量图模型使用了隐马尔可夫网络和条件随机场的相结合的模型.针对条件随机场,提出了一阶逻辑子句定义的特征函数.弥补了长距离依存特性的缺失.在此基础上提出了一种分层次提取主题状态的新深度学习算法.在国际通用的亚马逊情感分析数据、Tripadvisor情感分析数据上的实验表明,新算法可以提升情感分析的准确率.同时实验结果也表明,提取多层主题状态可以更好地挖掘宏观主题分布信息和评论的局部主题信息.
【总页数】9页(P191-199)
【作者】吴蕾;张文生;王珏
【作者单位】中国农业科学院农业信息研究所北京 100081;中国科学院自动化研究所北京100190;中国科学院自动化研究所北京100190
【正文语种】中文
【中图分类】TP181;TP183
【相关文献】
1.基于多层类别主题图模型的教育文本分类方法 [J], 李全
2.基于双语主题和因子图模型的汉语-越南语双语事件关联分析 [J], 唐莫鸣;朱明玮;余正涛;唐培丽;高盛祥
3.基于链图模型的变量消除算法 [J], 张冠玉;许成;韩凯文
4.基于图模型的脑卒中功能变量关系结构探析 [J], 孙铭雪;江钟立;张芹;吴亚岑;侯莹;刘丽华;刘守国;纪婕;林枫
5.基于GEMS算法的潜变量高斯图模型结构学习 [J], 郑倩贞;徐平峰;曹蕾
因版权原因，仅展示原文概要，查看原文内容请购买。