基于Logistic LDA的判别式主题建模
机器学习
2020-01-08 v2 信息检索
机器学习
摘要
尽管对隐狄利克雷分配（LDA）的研究已持续多年，将LDA应用于非类别型条目集合仍具挑战性。然而，许多具有更丰富数据的问题共享相似结构，并可能从LDA的大量文献中受益。我们提出logistic LDA，一种新颖的判别式隐狄利克雷分配变体，易于应用于任意输入。特别地，我们的模型可轻松应用于图像组、任意文本嵌入，并与深度神经网络良好集成。尽管它是判别模型，我们表明logistic LDA可通过利用数据中存在的组结构以无监督方式从未标注数据中学习。相较于其他近期设计用于处理任意输入的topic模型，我们的模型未牺牲LDA的可解释性与原理性动机。
引用
@article{arxiv.1909.01436,
title = {Discriminative Topic Modeling with Logistic LDA},
author = {Iryna Korshunova and Hanchen Xiong and Mateusz Fedoryszak and Lucas Theis},
journal= {arXiv preprint arXiv:1909.01436},
year = {2020}
}