在线增量标签主题模型

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

第５３卷ቤተ መጻሕፍቲ ባይዱ
第５期
吉林大学学报（理学版）
ＪｏｕｒｎａｌｏｆＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ（ＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
ＶｏｌＪ５３ＮＯ．５
Ｓｅｐ２０１５
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｈｅｉｎｔｒｏｄｕｃｔｉｏｎｏｆｔｈｅｆｅａｔｕｒｅｓｏｆｔｉｍｅｓｅｒｉｅｓａｎｄｌａｂｅｌｓｏｆｔｈｅｄｏｃｕｍｅｎｔｉｎｔｏｌａｔｅｎｔ
摘要：将文本之间存在的时序关联性元信息和文档的标签信息，引入到隐藏Ｄｉｒｉｃｈｌｅｔ分配模型中，提出一种在线增量标签主题（ｏｎ — ｌｉｎｅｌａｂｅｌｅｄｉｎｃｒｅｍｅｎｔａｌｔｏｐｉｃｍｏｄｅｌ，０ＬＴ）模型．
２．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ１３００１２，Ｃｈｉｎａ）
ｏｎ — ｌｉｎｅ１ａｂｅｌｅｄｉｎｃｒｅｍｅｎｔａ１ｔｏｐｉｃｍｏｄｅｌｒｅａｌｉｚｅｓｔｈｅｐｒｅｄｉｃａｔｅｏｆｍｕｌｔｉ — ｌａｂｅｌｓｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｏｐｔｉｍｉｚｅｄｌａｂｅｌａｎｄｔｏｐｉｃｍａｐｐｉｎｇｒｅｌａｔｉｏｎａｎｄｉｍｐｒｏｖｅｓｔｈｅｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｓ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｏｎ — ｌｉｎｅ
演变分析的问题．实验结果表明，所提出的在线增量标签主题模型能显著改善多标签判别精
度，提高模型的泛化能力并提升模型的运行性能．关键词：信息处理；隐藏Ｄｉｒｉｃｈｌｅｔ分配（ＬＤＡ）模型；自然语言处理；主题模型中图分类号：ＴＰ３０１．６文献标志码：Ａ文章编号：１６７１ — ５４８９（２０１５）０５ — ０９９２ — ０７
Ｏｎ — ＬｉｎｅＩｎｃｒｅｍｅｎｔａｌＬａｂｅｌｅｄＴｏｐｉｃＭｏｄｅｌ
ＣＨＥＮＹｏｎｇｈｅｎｇ，ＺＵＯＸｉａｎｇｌｉｎ。，ＬＩＮＹａｏｊｉｎ
（１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＭｉｎｎａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｚｈａｎｇｚｈｏｕ３６３０００，ＦｕｊｉａｎＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ；
Ｄｉｒｉｃｈｌｅｔａｌｌｏｃａｔｉｏｎ（ＬＤＡ）ｍｏｄｅｌ，ａｎｏｎ — ｌｉｎｅｌａｂｅｌｅｄｉｎｃｒｅｍｅｎｔａｌｔｏｐｉｃｍｏｄｅｌｗａｓｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，
ｄｙｎａｍｉｃｄｉｃｔｉｏｎａｒｙａｎｄｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｃａｌｃｕｌａｔｉｏｎｏｆｈｙｐｅｒ — ｐａｒａｍｅｔｅｒ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｕｇｇｅｓｔｏｎ — ｌｉｎｅｌａｂｅｌｅｄｉｎｃｒｅｍｅｎｔａｌｔｏｐｉｃｍｏｄｅｌｃａｎｉｍｐｒｏｖｅｔｈｅｄｅｃｉｓｉｏｎａｃｃｕｒａｃｙｏｆｍｕｌｔｉ — ｌａｂｅｌｓ，ｏｐｔｉｍｉｚｉｎｇｔｈｅｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙａｎｄｏｐｅｒａｔｉｎｇｅｆｆｉｃｉｅｎｃｙ．
２０１５年９月
ｄｏｉ：１０．１３４１３／ｊ．ｃｎｋｉ．ｊｄｘｂｌｘｂ．２０１５．０５．３１
在线增量标签主题模型
陈永恒，左祥麟，林耀进
（１．闽南师范大学计算机学院，福建漳州３６３０００；２．吉林大学计算机科学与技术学院，长春１３００１２）
ｌａｂｅｌｅｄｉｎｃｒｅｍｅｎｔａｌｔｏｐｉｃｍｏｄｅ１ａｃｈｉｅｖｅｓｔｈｅｒｅａｓｏｎａｂｌｅｃｏｒｒｅｌａｔｉｏｎｏｆｔｅｘｔｓｔｒｅａｍｓｗｉｔｈｔｈｅｈｅｌｐｏｆ
首先，在线增量标签主题模型优化了文本标签元信息与主题之间的映射关系；其次，利用动
态字典增加了模型与文本的拟合程度．该模型优化了先验分布超参数迁移计算的连续性，解决了隐藏Ｄｉｒｉｃｈｌｅｔ分配（ＬＤＡ）模型不能利用文本属性与主题之间的相关性进行主题发现及