深度泊松分解机：用于记者生态系统中行为映射的因子分析

在线生态系统中的新闻编辑室难以厘清。随着社交媒体的普及，记者与个体之间的互动变得可见，但对公共领域中信息反馈回路内部处理缺乏理解令大多数记者困惑。我们能否提供一种有组织的视角来在个体层面刻画记者行为，以更好地了解该生态系统？为此，我提出泊松分解机 (Poisson Factorization Machine, PFM)，一种矩阵分解的贝叶斯类比，其假设生成过程为泊松分布。该模型推广了近期关于泊松矩阵分解的研究，以考虑涉及张量状结构和标签信息的时间交互。设计了两种推断过程，一种基于批量变分 EM，另一种随机变分推断方案可随数据规模高效扩展。本笔记的一个重要新颖之处在于展示了如何堆叠 PFM 层以引入深度架构。本工作讨论了应用该模型的一些潜在结果，并解释了此类潜在因子如何可用于分析潜在行为以进行数据探索。