-
主題模型
鎖定
- 中文名
- 主題模型
- 外文名
- topic model
- 類 型
- 聚類算法
- 提出者
- C. Papadimitriou,H. Tamaki,
- 提出時間
- 1998年
- 應 用
- 自然語言處理,生物信息學
主題模型歷史
對主題模型的研究最早來自1998年Christos H. Papadimitriou、Prabhakar Raghavan、Hisao Tamaki和Santosh Vempala提出的潛在語義索引(Latent Semantic Indexing, LSI)
[1]
。1999年,Thomas Hofmann提出了概率性潛在語義索引(Probabilistic LST, PLST)
[4]
。
2003年,David M.Blei、Andrew Ng和Jordan I. Michael提出了隱含狄利克雷分佈(Latent Dirichlet Allocation, LDA)
[3]
。LDA得到了廣泛使用,並衍生出了很多改進版本,例如在2006年由Wei Li和Andrew McCallum提出的彈珠機分佈模型(pachinko allocation model)
[5]
。
主題模型理論
在主題模型中,主題(topic)是以文本中所有字符為支撐集的概率分佈,表示該字符在該主題中出現的頻繁程度,即與該主題關聯性高的字符有更大概率出現。在文本擁有多個主題時,每個主題的概率分佈都包括所有字符,但一個字符在不同主題的概率分佈中的取值是不同的
[6]
。一個主題模型試圖用數學框架來體現文檔的這種特點。主題模型自動分析每個文檔,統計文檔內的詞語,根據統計的信息來斷定當前文檔含有哪些主題,以及每個主題所佔的比例各為多少
[7]
。
舉例而言,在“狗”主題中,與該主題有關的字符,例如“狗”、“骨頭”等詞會頻繁出現;在“貓”主題中,“貓”、“魚”等詞會頻繁出現。若主題模型在分析一篇文章後得到10%的“貓”主題和“90%”的狗主題,那意味着字符“狗”和“骨頭”的出現頻率大約是字符“貓”和“魚”的9倍。
主題模型應用
在自然語言處理中,主題模型被用於對文本的表徵(representation)進行降維(dimensionality reduction)、按主題對文本進行聚類、以及根據用户偏好形成文本推薦系統
[6]
。
- 參考資料
-
- 1. Papadimitriou, C.H., Raghavan, P., Tamaki, H. and Vempala, S., 2000. Latent semantic indexing: A probabilistic analysis. Journal of Computer and System Sciences, 61(2), pp.217-235.
- 2. Zheng, B., McLean, D.C. and Lu, X., 2006. Identifying biological concepts from a protein-related corpus with a probabilistic topic model. BMC bioinformatics, 7(1), p.58.
- 3. Blei, D.M., Ng, A.Y. and Jordan, M.I., 2003. Latent dirichlet allocation. Journal of machine Learning research, 3(Jan), pp.993-1022.
- 4. Hofmann, T., 2017, August. Probabilistic latent semantic indexing. In ACM SIGIR Forum (Vol. 51, No. 2, pp. 211-218). ACM.
- 5. Li, W. and McCallum, A., 2006. Pachinko allocation: DAG-structured mixture models of topic correlations. In Proceedings of the 23rd international conference on Machine learning (pp. 577-584). ACM.
- 6. Polykovskiy, D. and Novikov, A., Bayesian Methods for Machine Learning .Coursera and National Research University Higher School of Economics.2017[引用日期2018-12-21]
- 7. 徐戈, 王厚峯. 自然語言處理中主題模型的發展[J]. 計算機學報, 2011, 34(8):1423-1436.
- 詞條統計
-
- 瀏覽次數:次
- 編輯次數:3次歷史版本
- 最近更新: Kang1523200