一种用于主题模型的双重参数自助法检验
机器学习
2017-11-22 v2
摘要
非负矩阵分解（NMF）是一种寻找数据潜在表示的技术。该方法已应用于语料库以构建主题模型。然而，NMF的似然假设常被真实文档语料库违背。我们提出一种基于KL散度与泊松最大似然估计对偶性的双重参数自助法（double parametric bootstrap）检验，用于评估基于NMF的主题模型的拟合优度。该检验能正确识别基于NMF方法的主题模型在模拟与真实数据中是否产生可靠结果。
引用
@article{arxiv.1711.07104,
title = {A Double Parametric Bootstrap Test for Topic Models},
author = {Skyler Seto and Sarah Tan and Giles Hooker and Martin T. Wells},
journal= {arXiv preprint arXiv:1711.07104},
year = {2017}
}
备注
Presented at NIPS 2017 Symposium on Interpretable Machine Learning