基于小方差渐近的组合主题模型
机器学习
2016-05-30 v2 计算与语言
机器学习
摘要
主题模型已成为无监督机器学习中的基本工具。大多数现代主题建模算法采取概率视角，并基于潜狄利克雷分配(Latent Dirichlet Allocation, LDA)或其变体推导推断算法。相反，我们将主题建模研究为组合优化问题，并提出通过取小方差极限从LDA导出的新目标函数。我们利用组合优化的思想最小化该导出目标，从而得到一种新颖、快速且高质量的主题建模算法。特别地，我们展示了我们的结果与流行的基于LDA的主题建模方法具有竞争力，并讨论了我们的方法与其概率对应方法之间的(不)相似性。
引用
@article{arxiv.1604.02027,
title = {Combinatorial Topic Models using Small-Variance Asymptotics},
author = {Ke Jiang and Suvrit Sra and Brian Kulis},
journal= {arXiv preprint arXiv:1604.02027},
year = {2016}
}
备注
19 pages