混合随机测度的狄利克雷过程：一种面向标注数据的非参数主题模型
机器学习
2012-06-22 v1 机器学习
摘要
我们描述了一种面向标注数据的非参数主题模型。该模型在分层狄利克雷过程（HDP）框架下，使用混合随机测度（MRM）作为狄利克雷过程（DP）的基础分布，因此我们称之为 DP-MRM。为了对标注数据建模，我们为每个标签定义了一个服从 DP 分布的随机测度，由此生成的模型可为每个标签产生无限数量的主题。我们将 DP-MRM 应用于单标签和多标签文档语料库，并在标签预测性能上与 MedLDA、LDA-SVM 和 Labeled-LDA 进行了比较。此外，通过引入 ddCRP 并对多标签图像进行建模以用于图像分割和对象标注，我们进一步增强了该模型，并将其性能与 nCuts 和 rddCRP 进行了对比。
引用
@article{arxiv.1206.4658,
title = {Dirichlet Process with Mixed Random Measures: A Nonparametric Topic Model for Labeled Data},
author = {Dongwoo Kim and Suin Kim and Alice Oh},
journal= {arXiv preprint arXiv:1206.4658},
year = {2012}
}
备注
ICML2012