用于学习时间演化与新兴主题的约束耦合矩阵-张量分解

主题发现作为数据挖掘领域的一个重要方向已显著发展。特别是时间演化主题发现，考虑了主题的演变，有助于理解动态语料库中新兴主题的历史背景。传统的时间演化主题发现仅关注时间这一概念。然而，尤其在内容由社区或群体贡献的场景中，与时间正交的另一个概念是内容创建者的专业水平：创建者经验越丰富，主题越高级。本文提出一种新颖的时间演化主题发现方法，除提取主题外，还能识别该主题随时间的演化，以及由主要贡献者的专业水平所推断出的主题难度等级。我们的方法基于一种新颖的约束耦合矩阵-张量分解公式，其采用的约束在该问题下有充分动机，且如我们所展示的，对高质量主题发现至关重要。我们使用来自 Physics 及 Programming Stack Exchange 论坛的真实数据对方法进行定性评估，能够识别出不同难度等级的主题，并可关联到外部事件，如 Physics 论坛中 LIGO 实验室宣布引力波。我们通过用户研究对方法进行定量评估，邀请专家判断所提取主题的连贯性与质量。最后，我们提出的方法对利用提取主题进行自动课程设计具有启示意义，其中难度等级的概念对于先修与进阶概念的正确建模必不可少。